Java字元轉換問題

Java字元轉換問題

什麼是位元組流與字元流的轉換? 什麼時候會做轉換? 字元就是char類型, 是雙位元組的, 用unicode, 一個char就是實際上的一個字元；位元組就是byte類型, 是單位元組的，實際的字串根據編碼不同，用單位元組或者雙位元組來表示。 常用的String類型核心就是char[]，String.length()就是char[]數組的大小，因此當encoding沒有轉換錯誤時，String長度是字元的個數，不管是中文還是英文。做字元處理的時候也從來不會出現截斷半個字元的問題。 Java內部都是用char的，但是很多時候做輸入輸出就要用byte stream，例如檔案、資料庫、網路。 當資料要從char變為byte，或者byte變成char時，就要做轉換。 同樣的內容，用不同的編碼方式(encoding)，byte stream是不同的，轉換的時候需要指定使用的encoding。 JVM的file.encoding屬性確定了JVM的預設的編碼/解碼方式：從而影響應用中所有位元組流==>字元流的解碼方式 字元流==>位元組流的編碼方式。在不同OS平台上，這是由locale決定的，預設encoding在中文平台為GBK，英文平台為8859_1。 * UTF8與unicode 準確的說，UTF8不是unicode，它也只是一種編碼方式，不過它的編碼空間可以容納unicode的所有字元。因此UTF8是一種很適合於儲存unicode的外碼。UTF8是變長編碼，中文3位元組。 * Java I/O Reader和Writer核心是char，InputStream和OutputStream核心是byte。 專門有bridge類做Reader/Writer與InputStream/OutputStream的轉換：InputStreamReader/OutputStreamWriter。 * 什麼地方會發生轉換？ 從資料庫到java程式 byte——〉char 從java程式到資料庫 char——〉byte 從檔案到java程式 byte——〉char 從java程式到檔案 char——〉byte 從java程式到頁面顯示 char——〉byte 從頁面form提交資料到java程式 byte——〉char 從流到java程式 byte——〉char 從java程式到流 char——〉byte * 來源程式中的字串 最早的位元組流解碼過程從javac的代碼編譯就開始了，寫在源檔案中的字串是按照一定的編碼方式的（如gbk），java編譯器根據預設的encoding來對原始碼中的字串做解碼，在java bytecode中儲存為unicode char。 * 資料庫中的字元編碼方式 資料庫中的東西都是二進位存放的，支援任何資料，理論上說，與編碼並沒有關係。不過，如果沒有指定字元集，在排序、匹配的時候有問題，介面的地方也會出現問題。 因此就涉及到以什麼編碼方式來儲存到資料庫中了。平常我們用資料庫工具或者其他程式寫資料庫時，都是直接用系統編碼方式，也就是gbk。但是，JDBC在訪問資料庫時，預設是用資料庫的字元集，通常為8859_1的，本來應該是gbk->unicode卻變成了8859_1->unicode,就會出現亂碼。串連串中加上參數可以強制jdbc按照gbk做轉換。 jdbc:mysql://localhost/test?useUnicode=true&characterEncoding=GBK 不過這樣資料庫還是只能支援gbk，如果寫入big5碼，同樣會出現轉換錯誤的問題。最佳方案還是用UTF8來編碼，這樣可以容納unicode所有字元，覆蓋了gbk、big5等各個字元集的範圍。 MySQL原來不支援UTF8，直到目前的最新版本4.1才加入unicode支援，但目前4.1版本還在alpha階段。 * Swing的字元集問題 從目前的實驗看來，swing的組件會自動根據系統encoding做轉換，並不需要幹預。