字符编码问题

JAVA的中文字符乱码问题一直很让人头疼。特别是在WEB应用中。网上的分析文章和解决方案都很多，但总是针对某

些特定情况的。很多次遇到乱码问题后， 经过极为辛苦的调试和搜索资料后终于解决，满以为自己已经掌握了对付

这些字符乱码怪兽的诀窍。可当过段时间，换了个应用或换了个环境，又会碰到那讨厌的火 星文，并再次无所适从

。于是下决心好好整理一下中文字符编码问题，以方便自己记忆，也为其他程序员兄弟们提供一份参考。

首先要了解JAVA处理字符的原理。JAVA使用UNICODE来存储字符数据，处理字符时通常有三个步骤：

- 按指定的字符编码形式，从源输入流中读取字符数据

- 以UNICODE编码形式将字符数据存储在内存中

- 按指定的字符编码形式，将字符数据编码并写入目的输出流中。

所以JAVA处理字符时总是经过了两次编码转换，一次是从指定编码转换为UNICODE编码，一次是从UNICODE编码转

换为指定编码。如果在读入时用 错误的形式解码字符，则内存存储的是错误的UNICODE字符。而从最初文件中读出的

字符数据，到最终在屏幕终端显示这些字符，期间经过了应用程序的多次 转换。如果中间某次字符处理，用错误的

编码方式解码了从输入流读取的字符数据，或用错误的编码方式将字符写入输出流，则下一个字符数据的接收者就会

编解码 出错，从而导致最终显示乱码。

这一点，是我们分析字符编码问题以及解决问题的指导思想。

好，现在我们开始一只只的解决这些乱码怪兽。

一、在JAVA文件中硬编码中文字符，在eclipse中运行，控制台输出了乱码。

例如，我们在JAVA文件中写入以下代码：

String text = \大家好\

System.out.println(text);

如果我们是在eclipse里编译运行，可能看到的结果是类似这样的乱码：????。那么，这是为什么呢？

我们先来看看整个字符的转换过程。

1. 在eclipse窗口中输入中文字符，并保存成UTF-8的JAVA文件。这里发生了多次字符编码转换。不过因为我们

相信eclipse的正确性，所以我们不用分析其中的过程，只需要相信保存下的JAVA文件确实是UTF-8格式。

2. 在eclipse中编译运行此JAVA文件。这里有必要详细分析一下编译和运行时的字符编码转换。

- 编译：我们用javac编译JAVA文件时，javac不会智能到猜出你所要编译的文件是什么编码类型的，所以它需要

指定读取文件所用的编码类型。默认 javac使用平台缺省的字符编码类型来解析JAVA文件。平台缺省编码是操作系统

决定的，我们使用的是中文操作系统，语言区域设置通常都是中国大陆，所 以平台缺省编码类型通常是GBK。这个编

码类型我们可以在JAVA中使用System.getProperty(\来查 看。所以javac会默认使用GBK来解析JAVA

文件。如果我们要改变javac所用的编码类型，就要加上-encoding参数，如javac -encoding utf-8 Test.java。

这里要另外提一下的是eclipse使用的是内置的编译器，并不能添加参数，如果要为javac添加参数则建议使用

ANT来编译。不过这并非出现乱码的原因，因为eclipse可以为每个JAVA文件设置字符编码类型，而内置编译器会根据

此设置来编译JAVA文件。

- 运行：编译后字符数据会以UNICODE格式存入字节码文件中。然后eclipse会调用java命令来运行此字节码文件

。因为字节码中的字符总是 UNICODE格式，所以java读取字节码文件并没有编码转换过程。虚拟机读取文件后，字符

数据便以UNICODE格式存储在内存中了。

3. 调用System.out.println来输出字符。这里又发生了字符编码转换。

System.out.println使用了PrintStream类来输出字符数据至控制台。PrintStream会使用平台缺省的编码方式来

输出字 符。我们的中文系统上缺省方式为GBK，所以内存中的UNICODE字符被转码成了GBK格式，并送到了操作系统的

输出服务中。因为我们操作系统是中文系 统，所以往终端显示设备上打印字符时使用的也是GBK编码。如果到这一步

，我们的字符其实不再是GBK编码的话，终端就会显示出乱码。

那么，在eclipse运行带中文字符的JAVA文件，控制台显示了乱码，是在哪一步转换错误呢？我们一步步来分析 。

- 保存JAVA文件成UTF-8后，如果再次打开你没有看到乱码，说明这步是正确的。

- 用eclipse本身来编译运行JAVA文件，应该没有问题。

- System.out.println会把内存中正确的UNICODE字符编码成GBK，然后发到eclipse的控制台去。等等，我们看

到在Run Configuration对话框的Common标签里，控制台的字符编码被设置成了UTF-8！问题就在这里。

System.out.println已经把字符编码成了GBK，而控制台仍然以UTF-8的格式读取字符，自然会出现乱码。

将控制台的字符编码设置为GBK，乱码问题解决。

（这里补充一点：eclipse的控制台编码是继承了workspace的设置的，通常控制台编码里没有GBK的选项而且不

能输入。我们可以先在 workspace的编码设置中输入GBK，然后在控制台的设置中就可以看到GBK的选项了，设置好后

再把workspace的字符编码设置改回utf- 8就是。）

二、JSP文件中硬编码中文字符，在浏览器上显示乱码。

我们用eclipse编写一个JSP页面，使用tomcat浏览这个页面时，整个页面的中文字符都是乱码。这是什么原因呢 ？

JSP页面从编写到在浏览器上浏览，总共有四次字符编解码。

1. 以某种字符编码保存JSP文件

2. Tomcat以指定编码来读取JSP文件并编译

3. Tomcat向浏览器以指定编码来发送HTML内容

4. 浏览器以指定编码解析HTML内容