如何理解WEB開發中的苦大難字符集問題

本篇文章為大家展示了如何理解WEB開發中的苦大難字符集問題，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

記得剛做javaweb開發的時候被這個編碼問題搞得暈頭轉向，經常稀里糊涂的編碼正常了一會編碼又亂了。那個時候迫于項目進度大多都是知其然不知其所以然。后來有時間就把整個體系搞了個遍，終于摸通了來龍去脈。

在C++的CGI開發時大家喜歡用latin，這個屬于字節方式的編碼格式，存儲mysql節約空間，而C++也是比較容易控制到byte級別的語言。所以經過框架封裝基本也問題不大。

在Java語言中，要涉及修改編碼問題的地方還真多。一個地方沒有設好就會亂碼滿天飛。大概總結包括以下這幾部分：瀏覽器、服務器、數據庫、操作系統。

瀏覽器：

如果使用模板語言，html需要設置顯示的字符集。這個適用于瀏覽器判斷什么編碼顯示。

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

擴展，瀏覽器識別編碼的順序：
1.如果HTTP頭部申明了charset，則會使用HTTP頭部的，
2.讓HTTP頭部沒有設置，則會去解析meta標簽的，
3.如果meta也沒有的話，瀏覽器會根據是否設置了auto detect來進行編碼識別，
4.否則會使用本地UI的字符編碼。

服務器：
對于JSP等動態語言，需要在jsp頭部設置編碼格式，J2EE服務器解析這個JSP的時候才會把整個頁面編碼為UTF-8輸出，不然就按照系統默認編碼格式ISO-8859-1輸出了。JSP設置格式如下：

<%@ page language= "java" contentType = "text/html; charset=UTF-8"       pageEncoding ="UTF-8" %>

大家都知道，JSP對應的就是servlet。servlet的編碼對應如下設置：

public void service(HttpServletRequest request, HttpServletResponse response) throws ServletException,IOException{ response.setContentType("text/html;charset=utf-8"); }

還有不要漏掉大家常用的spring工具類，編碼轉換filter，很實用。在你用struts、spring mvc時這個過濾器幫你轉換沒有設置的編碼過濾。如下設置：

<filter>             <filter-name> Set Character Encoding</filter-name>             <filter-class>                  org.springframework.web.filter.CharacterEncodingFilter             </filter-class>             <init-param>                   <param-name> encoding</param-name>                   <param-value> UTF-8</param-value>             </init-param>       </filter>

萬一還有亂碼怎么辦呢？doGet方式的參數傳遞肯定會有亂碼問題。只需要在tomcat的監聽器里設置編碼字符集如下（文件一般存儲在 /tomcat安裝目錄/conf/server.xml ）：

<Connector port="80" protocol="HTTP/1.1"               connectionTimeout="20000"               redirectPort="8443" URIEncoding="utf-8"   />

大家在開發的時候別忘了java文件本身也是有編碼格式的。在類文件右鍵查看屬性。

如果開發時忘記更改文件的編碼格式，windows默認是GBK的，后來又要一直到utf8編碼的linux怎么辦。文件巨多，總不能一個一個去更改吧。其實很簡單，只需要在java命令的環境參數設置 -Dfile.encoding=GBK 解決。

編譯java代碼時，如果使用ant需要在javac里設置編譯的字符集。這樣打印的log輸出到文件或者控制臺上就不會亂碼了。

<javac debuglevel= "source,lines" source= "1.6"   encoding= "utf-8">

maven編譯時設置的字符集：

< artifactId> maven-compiler-plugin </artifactId >        < version> 2.5 </version >                                  < configuration>            < optimize> true </optimize >            < showDeprecation> false </showDeprecation >            < debuglevel> lines,source </debuglevel >             < source> 1.6 </source >             < target> 1.6 </target >             < encoding> UTF-8 </encoding >             < meminitial> 128m </meminitial >                < maxmem> 768m </maxmem >                                  </ configuration>

sqlmap的sql xml，sping的xml 也是需要設置的，因為涉及到跨平臺。 頂上添加：

<!--?xml version="1.0" encoding="UTF-8"?-->

數據庫：
這里列出大家用的最多的Mysql字符集設置。打開mysql的配置文件( linux 一般在 /etc/my.cnf ，windows在mysql的安裝目錄 my.ini)。設置如下：

[mysqld] default-character-set = utf8  [ mysql] character_set_server = utf8

jdbc需要設置

jdbc : mysql://192.168.0.237:3306/dzh_db?useUnicode=true&characterEncoding=UTF-8

這些都設置了一般的中文是不會有問題的。

不過最近出現了一個問題很搞怪。以前以為所有的字符只要設置好了所有數據都可以錄入數據庫，結果有些字符就不行，比如●■★這類型的。后來把這些字符變成字節碼，居然不是三位utf8的，我擦，大汗淋漓。后來查詢可以通過過濾utf8 特殊字符的方式處理。

public static String Utf2String (byte buf[]) { int len = buf.length ; StringBuffer sb = new StringBuffer(len / 2); for (int i = 0; i < len; i++) {  if (by2int(buf[i]) <= 0x7F) sb.append(( char ) buf[i]); else if (by2int(buf[i]) <= 0xDF && by2int(buf[i]) >= 0xC0) { int bh = by2int(buf[i] & 0x1F); int bl = by2int(buf[++i] & 0x3F);  bl = by2int(bh << 6 | bl); bh = by2int(bh >> 2); int c = bh << 8 | bl; sb.append(( char ) c); } else if (by2int(buf[i]) <= 0xEF && by2int(buf[i]) >= 0xE0) { int bh = by2int(buf[i] & 0x0F); int bl = by2int(buf[++i] & 0x3F); int bll = by2int(buf[++i] & 0x3F);  bh = by2int(bh << 4 | bl >> 2); bl = by2int(bl << 6 | bll);  int c = bh << 8 | bl; // 空格轉換為半角 if (c == 58865) { c = 32; } sb.append(( char ) c);  } } return sb.toString(); }

或者把mysql的字符集改為 utf8mb4 ，記得這個只有mysql55支持哦！

[mysqld] default-character-set =utf8mb4  [ mysql] character_set_server = utf8mb4

操作系統：

windows默認是gbk，一般不需要變動。不過大家又想每個文件都要建立為utf8格式怎么辦，不可能我們每個文件建立后都去用屬性改變一下？太麻煩！直接在eclipse設置后，同種類型的文件建立都會是utf8格式。

linux，可以有兩個地方修改基本就足夠了：

vi /etc/sysconfig/i18n

修改

LANG="zh_CN.GB3212" LANGUAGE="zh_CN.GB18030:zh_CN.GB2312:zh_CN" SUPPORTED="zh_CN.GB18030:zh_CN:zh:en_US.UTF-8:en_US:en"

vi /etc/profile

export LC_ALL="zh_CN.GB2312" export LANG="zh_CN.GB2312"

上述內容就是如何理解WEB開發中的苦大難字符集問題，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。