推荐Java：国际化编码解决.doc

背景：在做Java开发的时候，常常会出现一些乱码，或者无法正确识别或读取的文件，比如常见的validator验证用的消息资源（properties）文件就需要进行Unicode重新编码。原因是java默认的编码方式为Unicode，而我们的计算机系统编码常常是GBK等编码。需要将系统的编码转换为java正确识别的编码问题就解决了。1、native2ascii简介：native2ascii是sun java sdk提供的一个工具。用来将别的文本类文件（比如*.txt,*.ini,*.properties,*.java等等）编码转为Unicode编码。为什么要进行转码，原因在于程序的国际化。Unicode编码的定义：Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。（声明：Unicode编码定义来自互联网）。2、获取native2ascii：安装了jdk后，假如你是在windows上安装，那么在jdk的安装目录下，会有一个bin目录，其中native2ascii.exe正是。3、native2ascii的命令行的命名格式：native2ascii -options inputfile outputfile说明： -options：表示命令开关，有两个选项可供选择-reverse：将Unicode编码转为本地或者指定编码，不指定编码情况下，将转为本地编码。-encoding encoding_name：转换为指定编码，encoding_name为编码名称。inputfile outputfileinputfile：表示输入文件全名。outputfile：输出文件名。如果缺少此参数，将输出到控制台。4、最佳实践：首先将JDK的bin目录加入系统变量path。在盘下建立一个test目录，在test目录里建立一个zh.txt文件，文件内容为：“熔岩”，打开“命令行提示符”，并进入C:test目录下。下面就可以按照说明一步一步来操作，注意观察其中编码的变化。A：将zh.txt转换为Unicode编码，输出文件到u.txtnative2ascii zh.txt u.txt打开u.txt，内容为“u7194u5ca9”。B：将zh.txt转换为Unicode编码，输出到控制台C:testnative2ascii zh.txtu7194u5ca9可以看到，控制台输出了“u7194u5ca9”。C：将zh.txt转换为ISO8859-1编码，输出文件到i.txtnative2ascii -encoding ISO8859-1 zh.txt i.txt打开i.txt文件，内容为“u00c8u00dbu00d1u00d2”。D：将u.txt转换为本地编码，输出到文件u_nv.txtnative2ascii -reverse u.txt u_nv.txt打开u_nv.txt文件，内容为“熔岩”。E：将u.txt转换为本地编码，输出到控制台C:testnative2ascii -reverse u.txt熔岩可以看到，控制台输出了“熔岩”。F：将i.txt转换为本地编码，输出到i_nv.txtnative2ascii -reverse i.txt i_nv.txt打开i_nv.txt文件，内容为“u00c8u00dbu00d1u00d2”。发现转码前后完全一样的。也就是说，等于没有转，或者说思想糊涂，对命名没有理解。G：将i.txt转换为GBK编码，输出到i_gbk.txtnative2ascii -reverse -encoding GBK i.txt i_gbk.txt打开i_gbk.txt文件，内容为“u00c8u00dbu00d1u00d2”。发现转码前后完全一样的。也就是说，等于没有转，或者说思想糊涂，对命名没有理解。H：将u_nv.txt转码到本地编码GBK，输出到控制台C:testnative2ascii -reverse -encoding ISO8859-1 i.txt熔岩从这个结果看，目标达到到了，编码i.txt为ISO8859-1，转为本地编码后内容为“熔岩”。从这里应该意识到，native2ascii -reverse命令中-encoding指定的编码为源文件的编码格式。而在native2ascii 命令中-encoding指定的编码为（生成的）目标文件的编码格式。这一点非常的重要！切记！继续探索，新建文件12a.txt，内容“12axyz”。看看纯字母数字的编码又如何。I：将纯字母数字的文本文件12a.txt转换为Unicode编码native2ascii 12a.txt 12a_nv.txt打开12a_nv.txt文件，内容为“12axyz”。继续测试，转为ISO8859-1编码看看C:testnative2ascii -encoding ISO8859-1 12a.txt12axyz结果还是没有转码。从结果可以得出结论：对于纯数字和字母的文本类型件，转码前后的内容是一样的。5、总结：native2ascii是一个非常的好转码工具，并且转码是可逆的！而其真正的含义并非本地编码转码为ASCII码，而是一个通用的文本文件编码转换工具。在做编码转换的时候有两类指定编码的情形，分别指输出文件编码和输入文件编码，具体可以看看最佳实践部分。 native2ascii -reverse -encoding encoding inputfile outputfile例子正转:To:Unicodenative2ascii Native2ASCII.properties Native2ASCII_zh_CN.properties反转:Reverse Unicode To 指定码native2ascii -reverse Native2ASCII_zh_CN.properties Native2ASCII_perties8859_1 ISO 8859-18859_2 ISO 8859-28859_3 ISO 8859-38859_4 ISO 8859-48859_5 ISO 8859-58859_6 ISO 8859-68859_7 ISO 8859-78859_8 ISO 8859-88859_9 ISO 8859-9Big5 Big5 码，繁体中文CNS11643 CNS 11643，繁体中文Cp037 美国、加拿大（两种语言，法语）、荷兰、葡萄牙、巴西、澳大利亚Cp1006 IBM AIX 巴基斯坦（乌尔都语）Cp1025 IBM 多语种西里尔语：保加利亚、波斯尼亚 黑塞哥维那、马其顿 (FYR)Cp1026 IBM Latin-5，土耳其Cp1046 IBM Open Edition US EBCDICCp1097 IBM 伊朗（波斯语）/波斯Cp1098 IBM 伊朗（波斯语）/波斯 (PC)Cp1112 IBM 拉脱维亚，立陶宛 Cp1122 IBM 爱沙尼亚Cp1123 IBM 乌克兰Cp1124 IBM AIX 乌克兰Cp1125 IBM 乌克兰 (PC)Cp1250 Windows 东欧Cp1251 Windows 斯拉夫语Cp1252 Windows Latin-1Cp1253 Windows 希腊Cp1254 Windows 土耳其Cp1255 Windows 希伯莱Cp1256 Windows 阿拉伯Cp1257 Windows 波罗的语Cp1258 Windows 越南语Cp1381 IBM OS/2, DOS 中华人民共和国 (PRC)Cp1383 IBM AIX 中华人民共和国 (PRC)Cp273 IBM 奥地利、德国Cp277 IBM 丹麦、挪威Cp278 IBM 芬兰、瑞典Cp280 IBM 意大利Cp284 IBM 加泰罗尼亚语/西班牙、拉丁美洲西班牙语Cp285 IBM 英国、爱尔兰 Cp297 IBM 法国Cp33722 IBM-eucJP - 日语 (5050 的超集)Cp420 IBM 阿拉伯Cp424 IBM 希伯莱Cp437 MS-DOS 美国、澳大利亚、新西兰、南非Cp500 EBCDIC 500V1Cp737 PC 希腊Cp775 PC 波罗的语Cp838 IBM 泰国扩展 SBCSCp850 MS-DOS Latin-1Cp852 MS-DOS Latin-2Cp855 IBM 斯拉夫语Cp857 IBM 土耳其语Cp860 MS-DOS 葡萄牙语Cp861 MS-DOS 冰岛语Cp862 PC 希伯莱Cp863 MS-DOS 加拿大法语Cp864 PC 阿拉伯语Cp865 MS-DOS 日尔曼语Cp866 MS-DOS 俄语Cp868 MS-DOS 巴基斯坦语Cp869 IBM 现代希腊语Cp870 IBM 多语种 Latin-2Cp871 IBM 冰岛语Cp874 IBM 泰国语Cp875 IBM 希腊语Cp918 IBM 巴基斯坦（乌尔都语）Cp921 IBM 拉脱维亚、立陶宛(AIX, DOS)Cp922 IBM 爱沙尼亚 (AIX, DOS)Cp930 与 4370 UDC 混合的日语，5026 的超集Cp933 与 1880 UDC 混合的韩文，5029 的超集Cp935 与 1880 UDC 混合的简体中文主机，5031 的超集 Cp937 与 6204 UDC 混合的繁体中文，5033 的超集Cp939 与 4370 UDC 混合的日语拉丁字母，5035 的超集Cp942 日语 (OS/2)，932 的超集 Cp948 OS/2 中文（台湾），938 超集Cp949 PC 韩文Cp950 PC 中文（香港、台湾）Cp964 AIX 中文（台湾）Cp970 AIX 韩文EUCJIS JIS, EUC 编码、日语GB2312 GB2312, EUC 编码、简体中文GBK GBK, 简体中文ISO2022CN ISO 2022 CN, 中文ISO2022CN_CNS ISO-2022-CN 形式的 CNS 11643，繁体中文 ISO2022CN_GB ISO-2022-CN 形式的 GB 2312，简体中文ISO2022KR ISO 2022 KR, 韩文JIS JIS, 日语JIS0208 JIS 0208, 日语KOI8_R KOI8-R, 俄语KSC5601 KS C 5601, 韩文MS874 Windows 泰国语MacArabic Macintosh 阿拉伯语MacCentralEurope Macintosh Latin-2MacCroatian Macintosh 克罗地亚语MacCyrillic Macintosh 斯拉夫语MacDingbat Macintosh Dingb