[size=large][b]問題描述：[/b][/size]
上週在壓縮tar格式檔案的時候， 遇到了亂碼問題。
既是檔名在tar檔案中顯示為亂碼。 如下圖所示
[img]
[b]你好[/b]被轉換成了[b]浣犲ソ[/b]
為什麼會這樣， 首先要了解一下中文編碼。
[b]國標碼和unicode[/b]
[i]國家標準強制標準冠以「gb」。現時中華人民共和國官方強制使用gb 18030標準，但較舊的計算機仍然使用gb 2312。[/i]
正如chrome瀏覽器裡面所顯示的三種中文編碼-> utf-8, gbk, gb18030.
個人感覺一般開發都使用utf8和gbk編碼。
而 "你好"->"浣犲ソ" 在這裡也正是使用gbk標準來解碼utf8編碼文字所產生的錯誤。
[b]gbk和unicode的編碼表[/b]
utf8:[url]
gbk: [url]
這裡就檢視「你」這個漢字是怎麼編碼的。 在gbk中。對應的是c4 e3，而在utf-8中，對應的是e4 bd a0。
（注：最初我以為gbk的編碼和utf8的編碼之間會有一定的聯絡，一直在找它們的規律。結果發現， 我完全想錯了。 他們的編碼是沒有什麼可以轉換的關係的。後面再說）
[size=large][b]編碼解碼過程[/b][/size]
上述編碼全部都是十六進製制的數字。 這裡說一下編碼解碼的過程，拿
string str="你" 為例，先看一下文字是如何轉換為二進位制的。
gbk：
string gbk="你";
byte bytes=gbk.getbytes("gbk");
system.out.println(bytes.length);
for(int i=0;i區域和語言-》管理， 可以看到：
[img]
所謂非unicode程式所使用的語言， 既是當我們開啟乙個程式，而該程式所使用的編碼不是unicode, 這時候系統要使用的解碼方法。
舉個例子， 我們要開啟乙個日文軟體，該日文軟體並不是使用的utf8編碼，而是其它的日本本地的編碼， 這時候系統便會呼叫我們在這裡所設定的[b]非unicode程式所使用的語言[/b]。 我猜大概就是gbk gb之類的。 於是我們就能看到滿屏的亂碼。
因此我們如果把這裡修改為 日本(日語),重啟電腦再開啟該日文軟體，就會正確顯示日文了。 原因也就是系統用正確的編碼標準來解碼了。
[size=large][b]tar檔名亂碼問題[/b][/size]
回到最初遇到的問題。我在網上查了很久， 最後看到
[url] 這裡說[b]tar壓縮格式不會記錄字符集， 而rar和zip會[/b]。 如果這樣的話， 那tar真是不適合中文。
具體來說就是， 檔名被壓縮程式設定了utf8編碼， 但是到了tar中， tar不支援utf8,於是我們的系統就使用了[b]非unicode程式所使用的語言[/b]來進行解碼。
於是呢， 就有了以下步驟：
[color=red]1. 定義了乙個字元「你」， 然後該字元被用'utf8'編碼， 變成了2進製11100100,10111101,10100000
之後此二進位制被傳入了某乙個程式中， 該程式不知道『你』這個字是什麼編碼格式的， 於是嘗試用gbk進行解碼。
gbk是怎麼解碼的呢？ 會把這段二進位制當做每16位表示乙個字元。
於是前面的11100100,10111101就被提取了出來， 然後程式開始在gbk編碼表中搜尋對應的字元。
結果就找到了 e4 bd->浣 。
接下來的10100000沒法解碼， 就出來了乙個問號'?'。[/color]
這段話是之前做的筆記， 也就是系統使用國標碼標準來解碼utf-8編碼文字所出現的問題。
最後放上tar檔案壓縮的問題**。
system.out.println(system.getproperty("file.encoding"));
system.out.println(charset.defaultcharset().name());
string path="d:\\_thumbnail";
string f="d:\\t.tar";
tararchiveoutputstream taos=new tararchiveoutputstream(new fileoutputstream(f),"utf-8");//這裡設定為gbk就可以解決亂碼問題
file of=new file(path);
file ofs=of.listfiles();
system.out.println(ofs.tostring());
for(file off:ofs)
tararchiveoutputstream taos=new tararchiveoutputstream(new fileoutputstream(f),"utf-8");//這裡設定為gbk就可以解決亂碼問題
[color=violet]constructor for tarinputstream.
parameters:
os the output stream to use
encoding name of the encoding to use for file names[/color]
如注釋寫的一樣， 這裡不寫編碼格式，則會使用預設的utf-8來進行檔名編碼。
之所以設定gbk編碼不會出現亂碼，就是因為系統得不到tar壓縮檔案名的編碼資訊，就採用了非unicode所使用語言，既gbk， 來進行解碼。
[size=large][b]解決方法：[/b][/size]
壓縮tar檔案時，檔名用英文即可。
終於寫完了-o- 寫的不是一般的亂
中文編碼 1 常見中文編碼格式
為什麼要有中文編碼格式？最早的ascii碼只包括了字母 標點符號 特殊字元等127個字元。這些字元對於拉丁語系國家的人使用是足夠的，但是對於非拉丁語系國家 如中國 日本等 ascii碼就遠遠不夠了。因此就需要編碼來表示大量的漢字字元。常用的幾種中文編碼格式 1 unicode編碼 unicode編碼...
常見編碼格式（中文編碼）
中文編碼主要有以下四種 gb2312簡體中文編碼，乙個漢字占用2個位元組，在大陸是主要的編碼方式。當文章 網頁中包含正體中文 日文 韓文等時，這些內容可能無法被正確編碼。big5正體中文編碼，主要在台灣地區使用。gbk支援簡體及正體中文，但對他國非拉丁字母語言還是有問題。utf 8 unicode編...
中文編碼簡介
中文字庫有關的常見編碼有 單位元組編碼 gb2312 80 gb12345 90 gbk unicode編碼 unicode字符集 big5編碼。下面簡要介紹一下 1.gb2312 80 全稱是gb2312 80 資訊交換用漢字編碼字符集 基本集 1980年發布，是中文資訊處理的國家標準，在大陸及海...