原文：@http://kxjhlele.iteye.com/blog/333211
首先講一下幾種字符的編碼方式:
1. ASCII碼
我們知道，在計算機內部，所有的信息最終都表示爲一個二進制的字符串。每一個二進制位（bit）有0和1兩種狀態，因此八個二進制位就可以組合出256種狀態，這被稱爲一個字節（byte）。也就是說，一個字節一共可以用來表示256種不同的狀態，每一個狀態對應一個符號，就是256個符號，從0000000到11111111。
上個世紀60年代，美國製定了一套字符編碼，對英語字符與二進制位之間的關係，做了統一規定。這被稱爲ASCII碼，一直沿用至今。
ASCII碼一共規定了128個字符的編碼，比如空格“SPACE”是32（二進制00100000），大寫的字母A是65（二進制01000001）。這128個符號（包括32個不能打印出來的控制符號），只佔用了一個字節的後面7位，最前面的1位統一規定爲0。
2、非ASCII編碼
英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。比如，在法語中，字母上方有注音符號，它就無法用ASCII碼錶示。於是，一些歐洲國家就決定，利用字節中閒置的最高位編入新的符號。比如，法語中的é的編碼爲130（二進制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。
但是，這裏又出現了新的問題。不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母Gimel (ג)，在俄語編碼中又會代表另一個符號。但是不管怎樣，所有這些編碼方式中，0—127表示的符號是一樣的，不一樣的只是128—255的這一段。
至於亞洲國家的文字，使用的符號就更多了，漢字就多達10萬左右。一個字節只能表示256種符號，肯定是不夠的，就必須使用多個字節表達一個符號。比如，簡體中文常見的編碼方式是GB2312，使用兩個字節表示一個漢字，所以理論上最多可以表示256x256=65536個符號。
中文編碼的問題需要專文討論，這篇筆記不涉及。這裏只指出，雖然都是用多個字節表示一個符號，但是GB類的漢字編碼與後文的Unicode和UTF-8是毫無關係的。
3.Unicode
正如上一節所說，世界上存在着多種編碼方式，同一個二進制數字可以被解釋成不同的符號。因此，要想打開一個文本文件，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。爲什麼電子郵件常常出現亂碼？就是因爲發信人和收信人使用的編碼方式不一樣。
可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每一個符號都給予一個獨一無二的編碼，那麼亂碼問題就會消失。這就是Unicode，就像它的名字都表示的，這是一種所有符號的編碼。
Unicode當然是一個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字“嚴”。具體的符號對應表，可以查詢unicode.org，或者專門的漢字對應表。
4. Unicode的問題
需要注意的是，Unicode只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。
比如，漢字“嚴”的unicode是十六進制數4E25，轉換成二進制數足足有15位（100111000100101），也就是說這個符號的表示至少需要2個字節。表示其他更大的符號，可能需要3個字節或者4個字節，甚至更多。
這裏就有兩個嚴重的問題，第一個問題是，如何才能區別unicode和ascii？計算機怎麼知道三個字節表示一個符號，而不是分別表示三個符號呢？第二個問題是，我們已經知道，英文字母只用一個字節表示就夠了，如果unicode統一規定，每個符號用三個或四個字節表示，那麼每個英文字母前都必然有二到三個字節是0，這對於存儲來說是極大的浪費，文本文件的大小會因此大出二三倍，這是無法接受的。
它們造成的結果是：1）出現了unicode的多種存儲方式，也就是說有許多種不同的二進制格式，可以用來表示unicode。2）unicode在很長一段時間內無法推廣，直到互聯網的出現。
5.UTF-8
互聯網的普及，強烈要求出現一種統一的編碼方式。UTF-8就是在互聯網上使用最廣的一種unicode的實現方式。其他實現方式還包括UTF-16和UTF-32，不過在互聯網上基本不用。重複一遍，這裏的關係是，UTF-8是Unicode的實現方式之一。
UTF-8最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。
UTF-8的編碼規則很簡單，只有二條：
1）對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的unicode碼。因此對於英語字母，UTF-8編碼和ASCII碼是相同的。
2）對於n字節的符號（n>1），第一個字節的前n位都設爲1，第n+1位設爲0，後面字節的前兩位一律設爲10。剩下的沒有提及的二進制位，全部爲這個符號的unicode碼。
下表總結了編碼規則，字母x表示可用編碼的位。
Unicode符號範圍 | UTF-8編碼方式
UTF字節數 (十六進制) | （二進制）
--------------------+---------------------------------------------一個字節 0000 0000-0000 007F | 0xxxxxxx
兩個字節 0000 0080-0000 07FF | 110xxxxx 10xxxxxx
三個字節 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
四個字節 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
下面， 還是以漢字“嚴”爲例，演示如何實現UTF-8編碼。
已知“嚴”的unicode是4E25（100111000100101），根據上表，可以發現4E25處在第三行的範圍內（0000 0800-0000 FFFF），因此“嚴”的UTF-8編碼需要三個字節，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然後，從“嚴”的最後一個二進制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，“嚴”的UTF-8編碼是“11100100 10111000 10100101”，轉換成十六進制就是E4B8A5。
6. Unicode與UTF-8之間的轉換
通過上一節的例子，可以看到“嚴”的Unicode碼是4E25，UTF-8編碼是E4B8A5，兩者是不一樣的。它們之間的轉換可以通過程序實現。
在Windows平臺下，有一個最簡單的轉化方法，就是使用內置的記事本小程序Notepad.exe。打開文件後，點擊“文件”菜單中的“另存爲”命令，會跳出一個對話框，在最底部有一個“編碼”的下拉條。
7. iso8859-1編碼
屬於單字節編碼，最多能表示的字符範圍是0-255，應用於英文系列。比如，字母a的編碼爲0×61=97.很明顯，iso8859-1編碼表示的字符範圍很窄，無法表示中文字符。但是，由於是單字節編碼，和計算機最基礎的表示單位一致，所以很多時候，仍舊使用iso8859-1編碼來表示。而且在很多協議上，默認使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼爲例，應該是"d6d0 cec4"兩個字符，使用iso8859-1編碼的時候則將它拆開爲4個字節來表示："d6 d0 ce c4"（事實上，在進行存儲的時候，也是以字節爲單位處理的）。而如果是UTF編碼，則是6個字節"e4 b8 ad e6 96 87".很明顯，這種表示方法還需要以另一種編碼爲基礎。
java對字符的處理
在java應用軟件中，會有多處涉及到字符集編碼，有些地方需要進行正確的設置，有些地方需要進行一定程度的處理。
1. getBytes（charset）
這是java字符串處理的一個標準函數，其作用是將字符串所表示的字符按照charset編碼，並以字節方式表示。注意字符串在java內存中總是按unicode編碼存儲的。比如"中文"，正常情況下（即沒有錯誤的時候）存儲爲"4e2d 6587"，如果charset爲"gbk"，則被編碼爲"d6d0 cec4"，然後返回字節"d6 d0 ce c4".如果charset爲"utf8"則最後是"e4 b8 ad e6 96 87".如果是"iso8859-1"，則由於無法編碼，最後返回 "3f 3f"（兩個問號）。
java .class類的編碼爲：unicode;
windows 默認的編碼爲：中文：gb2312; 英文：iso8859;
String str = "張三" ;
byte[] jiema= str.getBytes("gb2312") ; //解碼
String bianma = new String(jiema,"UTF-8");//編碼 如果上面的解碼不對 可能出現問題
2. new String（charset）
這是java字符串處理的另一個標準函數，和上一個函數的作用相反，將字節數組按照charset編碼進行組合識別，最後轉換爲unicode存儲。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結果"4e2d 6587"，但iso8859-1最後變成了"003f 003f"（兩個問號）。
因爲utf8可以用來表示/編碼所有字符，所以new String（ str.getBytes（ "utf8" ）， "utf8" ） === str，即完全可逆。
3. setCharacterEncoding（）
該函數用來設置http請求或者相應的編碼。
對於request，是指提交內容的編碼，指定後可以通過getParameter（）則直接獲得正確的字符串，如果不指定，則默認使用iso8859-1編碼，需要進一步處理。參見下述"表單輸入".值得注意的是在執行setCharacterEncoding（）之前，不能執行任何getParameter（）。java doc上說明：This method must be called prior to reading request parameters or reading input using getReader（）。而且，該指定只對POST方法有效，對GET方法無效。分析原因，應該是在執行第一個getParameter（）的時候，java將會按照編碼分析所有的提交內容，而後續的getParameter（）不再進行分析，所以setCharacterEncoding（）無效。而對於GET方法提交表單是，提交的內容在URL中，一開始就已經按照編碼分析所有的提交內容，setCharacterEncoding（）自然就無效。
對於response，則是指定輸出內容的編碼，同時，該設置會傳遞給瀏覽器，告訴瀏覽器輸出內容所採用的編碼。
4. 處理過程
下面分析兩個有代表性的例子，說明java對編碼有關問題的處理方法。
4.1. 表單輸入
User input *（gbk：d6d0 cec4） browser *（gbk：d6d0 cec4） web server iso8859-1（00d6 00d 000ce 00c4） class，需要在class中進行處理：getbytes（"iso8859-1"）爲d6 d0 ce c4，new String（"gbk"）爲d6d0 cec4，內存中以unicode編碼則爲4e2d 6587.
l 用戶輸入的編碼方式和頁面指定的編碼有關，也和用戶的操作系統有關，所以是不確定的，上例以gbk爲例。
l 從browser到web server，可以在表單中指定提交內容時使用的字符集，否則會使用頁面指定的編碼。而如果在url中直接用？的方式輸入參數，則其編碼往往是操作系統本身的編碼，因爲這時和頁面無關。上述仍舊以gbk編碼爲例。
l Web server接收到的是字節流，默認時（getParameter）會以iso8859-1編碼處理之，結果是不正確的，所以需要進行處理。但如果預先設置了編碼（通過request. setCharacterEncoding （）），則能夠直接獲取到正確的結果。
l 在頁面中指定編碼是個好習慣，否則可能失去控制，無法指定正確的編碼。
4.2. 文件編譯
假設文件是gbk編碼保存的，而編譯有兩種編碼選擇：gbk或者iso8859-1，前者是中文windows的默認編碼，後者是linux的默認編碼，當然也可以在編譯時指定編碼。
Jsp *（gbk：d6d0 cec4） java file *（gbk：d6d0 cec4） compiler read uincode（gbk： 4e2d 6587； iso8859-1： 00d6 00d 000ce 00c4） compiler write utf（gbk： e4b8ad e69687； iso8859-1： *） compiled file unicode（gbk： 4e2d 6587； iso8859-1： 00d6 00d 000ce 00c4） class.所以用gbk編碼保存，而用iso8859-1編譯的結果是不正確的。
class unicode（4e2d 6587） system.out / jsp.out gbk（d6d0 cec4） os console / browser.
l 文件可以以多種編碼方式保存，中文windows下，默認爲ansi/gbk.
l 編譯器讀取文件時，需要得到文件的編碼，如果未指定，則使用系統默認編碼。一般class文件，是以系統默認編碼保存的，所以編譯不會出問題，但對於jsp文件，如果在中文windows下編輯保存，而部署在英文linux下運行/編譯，則會出現問題。所以需要在jsp文件中用pageEncoding指定編碼。
l Java編譯的時候會轉換成統一的unicode編碼處理，最後保存的時候再轉換爲utf編碼。
l 當系統輸出字符的時候，會按指定編碼輸出，對於中文windows下，System.out將使用gbk編碼，而對於response（瀏覽器），則使用jsp文件頭指定的contentType，或者可以直接爲response指定編碼。同時，會告訴browser網頁的編碼。如果未指定，則會使用iso8859-1編碼。對於中文，應該爲browser指定輸出字符串的編碼。
l browser顯示網頁的時候，首先使用response中指定的編碼（jsp文件頭指定的contentType最終也反映在response上），如果未指定，則會使用網頁中meta項指定中的contentType.
5. 幾處設置
對於web應用程序，和編碼有關的設置或者函數如下。
5.1. jsp編譯
指定文件的存儲編碼，很明顯，該設置應該置於文件的開頭。例如：。另外，對於一般class文件，可以在編譯的時候指定編碼。
5.2. jsp輸出
指定文件輸出到browser是使用的編碼，該設置也應該置於文件的開頭。例如：。該設置和response.setCharacterEncoding（"GBK"）等效。
5.3. meta設置
指定網頁使用的編碼，該設置對靜態網頁尤其有作用。因爲靜態網頁無法採用jsp的設置，而且也無法執行response.setCharacterEncoding（）。例如：
如果同時採用了jsp輸出和meta設置兩種編碼指定方式，則jsp指定的優先。因爲jsp指定的直接體現在response中。
需要注意的是，apache有一個設置可以給無編碼指定的網頁指定編碼，該指定等同於jsp的編碼指定方式，所以會覆蓋靜態網頁中的meta指定。所以有人建議關閉該設置。
5.4. form設置
當瀏覽器提交表單的時候，可以指定相應的編碼。例如：。一般不必不使用該設置，瀏覽器會直接使用網頁的編碼。
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
首先介紹兩種字符集 gb2312 和 gbk
。gb2312 簡體中文編碼
。gbk 中文字符編碼 包括繁體中文
1. 指定jsp文件裏內容的的編碼方式
<%@ page language="java" import="java.util.*" pageEncoding="gb2312"%>
2. 指定html文件裏內容的編碼方式
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
3. 當響應用戶的請求時，輸出到用戶瀏覽器上的編碼方式
<%@ page contentType="text/html"; charset="gb2312"%>
相當於生成的代碼 response.setContentType("text/html; charset=gb2312");
4. 把用戶傳遞過來的參數作爲指定的編碼
request.setCharacterEncoding("gb2312");
5. 對比
request.setCharacterEncoding("gb2312"); //設置輸入編碼格式
response.setContentType("text/html; charset=gb2312"); //設置輸出編碼格式
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
一個關於中文字符轉換的程序：
package com.company.util.charset;
import sun.io.CharToByteConverter;
import sun.io.ByteToCharConverter;
import com.company.util.common.Configure;
/**
* 創建日期：(2008-7-6 13:51:16) 解決sybase數據庫查詢不能顯示中文的問題
*
* @author：like_dark
*/
public class UnicodeToAscii
{
/**
* UnicodeToAscii 構造子註解。
*/
public UnicodeToAscii ()
{
super ();
}
/**
* 將Ascii轉換成中文字符串
*/
public static String AsciiToChineseString ( String s )
{
if ( s == null )
return s;
char[] orig = s.toCharArray ();
byte[] dest = new byte[ orig.length ];
for ( int i = 0; i < orig.length; i++ )
dest[ i ] = ( byte ) ( orig[ i ] & 0xFF );
try
{
ByteToCharConverter toChar = ByteToCharConverter.getConverter ( "gb2312" );
return new String ( toChar.convertAll ( dest ) );
}
catch ( Exception e )
{
System.out.println ( e );
return s;
}
}
/**
* 將中文字符串轉換成Ascii
*/
public static String ChineseStringToAscii ( String s )
{
if ( s == null )
return s;
try
{
CharToByteConverter toByte = CharToByteConverter.getConverter ( "gb2312" );
byte[] orig = toByte.convertAll ( s.toCharArray () );
char[] dest = new char[ orig.length ];
for ( int i = 0; i < orig.length; i++ )
dest[ i ] = ( char ) ( orig[ i ] & 0xFF );
return new String ( dest );
}
catch ( Exception e )
{
System.out.println ( e );
return s;
}
}
/**
* 中文轉ascii
*
* @param s
* 要進行轉換的字符串
* @param bl
* 是否進行轉換,一個開關控制 , true代表需要轉換。
* @return 轉換後的字符串
*/
public static String ChineseStringToAscii ( String s, boolean bl )
{
if ( !bl )
return s;
else
return ChineseStringToAscii ( s );
}
/**
* ascii轉字符串
*
* @param s
* @param bl
* @return
*/
public static String AsciiToChineseString ( String s, boolean bl )
{
if ( !bl )
return s;
else
return AsciiToChineseString ( s );
}
/**
* 根據輸入的源串(中文或中西文混合)返回其拼音首字母,以小寫返回,如果首字符非拼音字母,則統一返回*號
*
* @param str
* 源串(中文或中西文混合)
* @return 返回str的拼音首字母,以小寫返回,如果首字符非拼音字母,則統一返回*號
*/
public static String getFirstCharOfString ( String str )
{
String firstChar = "*";
if ( str == null || str.length () <= 0 )
return firstChar;
try
{
byte firstCharBytes[] = new byte[ 2 ];
int gbcode;
firstCharBytes[ 0 ] = str.getBytes ( "gb2312" )[ 0 ];
gbcode = firstCharBytes[ 0 ] & 0x000000ff;
if ( str.length () > 1 || gbcode >= 0xb0 )
{
firstCharBytes[ 1 ] = str.getBytes ( "gb2312" )[ 1 ];
gbcode = ( firstCharBytes[ 0 ] & 0x000000ff ) * 0x100 + ( firstCharBytes[ 1 ] & 0x000000ff );
}
if ( gbcode >= 0xb0a1 && gbcode <= 0xb0c4 )
firstChar = "a";
else if ( gbcode >= 0xb0c5 && gbcode <= 0xb2c0 )
firstChar = "b";
else if ( gbcode >= 0xb2c1 && gbcode <= 0xb4ed )
firstChar = "c";
else if ( gbcode >= 0xb4ee && gbcode <= 0xb6e9 )
firstChar = "d";
else if ( gbcode >= 0xb6ea && gbcode <= 0xb7a1 )
firstChar = "e";
else if ( gbcode >= 0xb7a2 && gbcode <= 0xb8c0 )
firstChar = "f";
else if ( gbcode >= 0xb8c1 && gbcode <= 0xb9fd )
firstChar = "g";
else if ( gbcode >= 0xb9fe && gbcode <= 0xbbf6 )
firstChar = "h";
else if ( gbcode >= 0xbbf7 && gbcode <= 0xbfa5 )
firstChar = "j";
else if ( gbcode >= 0xbfa6 && gbcode <= 0xc0ab )
firstChar = "k";
else if ( gbcode >= 0xc0ac && gbcode <= 0xc2e7 )
firstChar = "l";
else if ( gbcode >= 0xc2e8 && gbcode <= 0xc4c2 )
firstChar = "m";
else if ( gbcode >= 0xc4c3 && gbcode <= 0xc5b5 )
firstChar = "n";
else if ( gbcode >= 0xc5b6 && gbcode <= 0xc5bd )
firstChar = "o";
else if ( gbcode >= 0xc5be && gbcode <= 0xc6d9 )
firstChar = "p";
else if ( gbcode >= 0xc6da && gbcode <= 0xc8ba )
firstChar = "q";
else if ( gbcode >= 0xc8bb && gbcode <= 0xc8f5 )
firstChar = "r";
else if ( gbcode >= 0xc8f6 && gbcode <= 0xcbf9 )
firstChar = "s";
else if ( gbcode >= 0xcbfa && gbcode <= 0xcdd9 )
firstChar = "t";
else if ( gbcode >= 0xcdda && gbcode <= 0xcef3 )
firstChar = "w";
else if ( gbcode >= 0xcef4 && gbcode <= 0xd1b8 )
firstChar = "x";
else if ( gbcode >= 0xd1b9 && gbcode <= 0xd4d0 )
firstChar = "y";
else if ( gbcode >= 0xd4d1 && gbcode <= 0xd7f9 )
firstChar = "z";
else
gbcode = firstCharBytes[ 0 ];
if ( gbcode >= 'A' && gbcode <= 'Z' )
gbcode += 32;
if ( gbcode >= 'a' && gbcode <= 'z' )
firstChar = String.valueOf ( ( char ) gbcode );
}
catch ( Exception e )
{
System.out.println ( "getFirstCharOfString Exception: " + e.getMessage () );
}
return firstChar;
}
}>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
看看那句能打印出中文。說明解碼編碼正確
String str = values[i];
System.out.println("1:" + new String(str.getBytes("GBK"),"ISO8859_1"));
System.out.println("2:" +new String(str.getBytes("GBK"),"utf-8"));
System.out.println("3:" +new String(str.getBytes("GBK"),"GB2312"));
System.out.println("4:" +new String(str.getBytes("GBK"),"GBK"));
System.out.println("5:" +new String(str.getBytes("ISO8859_1"),"GBK"));
System.out.println("6:" +new String(str.getBytes("ISO8859_1"),"ISO8859_1"));
System.out.println("7:" +new String(str.getBytes("ISO8859_1"),"GB2312"));
System.out.println("8:" +new String(str.getBytes("ISO8859_1"),"utf-8"));
System.out.println("9:" +new String(str.getBytes("utf-8"),"GBK"));
System.out.println("10:" +new String(str.getBytes("utf-8"),"utf-8"));
System.out.println("11:" +new String(str.getBytes("utf-8"),"GB2312"));
System.out.println("12:" +new String(str.getBytes("utf-8"),"ISO8859_1"));
System.out.println("13:" +new String(str.getBytes("GB2312"),"GB2312"));
System.out.println("14:" +new String(str.getBytes("GB2312"),"ISO8859_1"));
System.out.println("15:" +new String(str.getBytes("GB2312"),"utf-8"));
System.out.println("16:" +new String(str.getBytes("GB2312"),"GBK"));參考：
編碼表：http://www.chenjiliang.com/Article/View.aspx?ArticleID=248&TypeID=20
java編碼類型獲取： http://java.chinaitlab.com/base/742939.html