字符集与编码

WelcometoHUAWEITechnologiespresentation

字符集与编码2013年5月目录ƒ字符集与编码方法ƒJava中字符的表示与处理ƒJavaWeb编程中文乱码解决方法Log4j写日志中文乱码SecureCRT显示中文乱码字符集与编码字符集(CharacterSet)ƒ字符编码（CharacterEncoding）字符集字符编码对应语言ASCIIASCII英语ISO8859-1ISO8859-1拉丁字母GB2132GB简体中文GBKGBK简体中文GB18030GB18030简体中文Big5Big5繁体中文UnicodeUTF-8多国语言ASCII码ASCII ASCII使用7个比特（bit）进行字符编码，最多可以表示2＾7（128）个字符，这些字符包括了大小写英文字母、阿拉伯数字、标点符号、控制字符和其他符号。

每个字符用一个字节表示，每个字节的最高位为0。

例如：字符“A”在用ASCII码中用2进制的“01000001”表示，换算成10进制为“65”。ISO8859-1ISO8859-1 ISO8859-1，又称Latin-1，是在ASCII的基础上，使用8比特编码，新增了一些字符。新增的字符主要用来支持部分欧洲国家所使用的语言，例如：德语、葡萄牙语和西班牙语等。也就是说，ISO8859-1兼容ASCII。GB21321981年,开始使用国家标准《信息交换用汉字编码字符集－基本集》，简称GB2312。GB2312使用双字节编码，一共包含了7445个字符，包括了6763个常用的汉字。对汉字分成了两级，一级为常用字，有3755个字符，按照拼音排序，二级为次常用字，包括3008个字符，按照部首排序。GB2312主要应用在中国大陆和新加坡，几乎所有的中文系统和国际化的软件都支持GB2312，同时GB2312兼容ASCII。在GB2312的基础上又进行了扩充。在1995年，推出了《汉字内码扩展规范》，简称GBK。GB18030-2000编码标准是由信息产业部和国家质量技术监督局在2000年联合发布的，GB18030编码标准是在原来的GB2312和GBK编码标准的基础上进行扩充，增加了一些新的字符，特别是一些少数民族使用的字符。它的主要目的是为了解决一些生、偏、难字的问题。Unicode1991年Unicode把世界上几十种文字整合在一个字符集中，Unicode中的每个字符都有一个唯一的数字进行表示。Unicode是由Unicode组织进行相关标准的制订与推广。UTF是Unicode/UCSTransformationFormat（统一字符集/统一字符编码转换格式）的缩写，UTF就是Unicode的一种字符编码（转换）方法。Unicode组织推荐使用的是UTF-8和UTF-16，UTF-8是一种变长的编码方式，也是当前Unicode最常用的一种字符编码（转换）方法。UTF-8编码方式：CodepageUnicode不兼容中文的GB2312、GBK和Big5等字符集，也不兼容其他国家的字符集，为了能顺利的实现Unicode和其他字符集之间的转换，需要使用codepage技术。codepage是各种字符集和Unicode之间的映射表。codepage字符集936简体中文GBK950繁体中文Big565001UTF-8932日文JAVA字符Java中的字符主要通过char、byte和String这3种类型进行表示。ƒChar表示的是1个Unicode字符，byte是字节，String是字符串，它是多个char类型字符的序列。字符串在网络传输或者存储前需要转换成byte数组。从网络接收或从存储设备读取内容的一般是byte数组。JAVAWEB中文乱码调用JSP页面显示乱码通过浏览器调用JSP页面，在浏览器中所有的中文内容出现乱码。原因是JSP保存文件默认使用ISO8859-1编码，该字符集不支持中文。首先确认本JSP在编辑器中保存文件内容时，使用的是UTF-8的编码格式，然后在JSP页面的开始，添加<%@

charset=UTF-8，pageEncoding="UTF-8"%>就可以解决这个中文乱码问题。演示程序index.jspJAVAWEB中文乱码调用Servlet页面显示乱码通过浏览器调用Servlet，Servlet在浏览器中显示的内容出现乱码。在Servlet使用response对输出内容之前，先执行response.setContentType("text/html;charset=utf-8")，设定输出的内容的编码为UTF-8。演示程序servlet01.javaJAVAWEB中文乱码POST表单传递参数乱码通过JSP页面、HTML页面或者Servlet中的表单元素提交参数给对应的JSP页面或者Servlet，而JSP页面或者Servlet接收的中文参数值乱码。解决办法1：在接收POST提交的参数之前，使用request.setCharacterEncoding(“UTF-8”)设定接收参数的内容使用UTF-8编码。解决方法2:使用过滤器技术，在接收参数之前，设定传递的参数内容的编码是UTF-8。演示程序index.jsp、servlet01.javaLog4j中文乱码Log4j写日志文件，文件中的中文出现乱码.log4j通过QuietWriter写日志，QuietWriterextendsFilterWriter，FilterWriterextendsWriter，而Writer写入的是字符流，对字符集比较敏感。英文系统一般默认latin-1字符集，只能处理半角，通过encoding指定字符集后，能够正确输出指定字符集的字符流。log4j.appender.A1=org.apache.log4j.RollingFileAppender

log4j.appender.A1.Encoding=UT