Posts - 50,
Articles - 19,
Comments - 72
生活工作点点滴滴记录在此，相信好记性不如烂笔头！
11:45 by iBlog, ... 阅读,
&&&&&&在开始讨论编码解码之前，首先来明确一下问题。
什么是application/x-www-form-urlencoded字符串？
答：它是一种编码类型。当URL地址里包含非西欧字符的字符串时，系统会将这些字符转换成application/x-www-form-urlencoded字符串。
&&&&& 表单里提交时也是如此，当包含非西欧字符的字符串时，系统也会将这些字符转换成application/x-www-form-urlencoded字符串。
&&&&& 然而，在向服务器发送大量的文本、包含非ASCII字符的文本或二进制数据时这种编码方式效率很低。这个时候我们就要使用另一种
&&&&&&编码类型“multipart/form-data”，比如在我们在做上传的时候，表单的enctype属性一般会设置成“multipart/form-data”。
&&&& &Browser端&form&表单的ENCTYPE属性值为multipart/form-data，它告诉我们传输的数据要用到传输，由于多媒体传输的都是大量的数据，所以规&&& 定上传文件必须是post方法，&input&的type属性必须是file。&
&&&& form中的其他enctype请。跑题了我。
&&& 我们经常会在浏览器的地址栏里看到这样的字符串%E6%96%87%E6%A1%A3
&&&这就是被编码后的字符串，下面我们就讨论一下java 的url编码与解码问题
java.net.URLDecoder.decode(String&s,String&enc);
将application/x-www-form-urlencoded字符串转换成普通字符串。
java.net.URLEncoder.decode(String&s,String&enc);
将普通字符串转换成application/x-www-form-urlencoded字符串
import&java.net.URLD
import&java.net.URLE
public&class&URLDecoderTest&{
&&&&public&static&void&main(String[]&args)&throws&Exception&{
&&&&&&&//将application/x-www-form-urlencoded字符串
&&&&&&&//转换成普通字符串
&&&&&&&//必须强调的是编码方式必须正确，如baidu的是gb2312，而google的是UTF-8
&&&&&&&String&keyWord&=&URLDecoder.decode("%E6%96%87%E6%A1%A3",&"gb2312");
&&&&&&&System.out.println(keyWord);
&&&&&&&//将普通字符串转换成
&&&&&&&//application/x-www-form-urlencoded字符串
&&&&&&&//必须强调的是编码方式必须正确，如baidu的是gb2312，而google的是UTF-8
&&&&&&&String&urlStr&=&URLEncoder.encode("文档",&"gb2312");
&&&&&&&System.out.println(urlStr);
下面转载一片文章
&&&& 网页中的表单使用POST方法提交时，数据内容的类型是 application/x-www-form-urlencoded，这种类型会：
1.字符"a"-"z"，"A"-"Z"，"0"-"9"，"."，"-"，"*"，和"_" 都不会被编码;
2.将空格转换为加号 (+) ;
3.将非文本内容转换成"%xy"的形式,xy是;
4.在每个 name=value 对之间放置 & 符号。
&&&URLEncoder类包含将字符串转换为application/x-www-form-urlencoded MIME 格式的静态方法。
&&&&&&&web 设计者面临的众多难题之一便是怎样处理不同操作系统间的差异性。这些差异性能引起URL方面的问题：例如，一些操作系统允许文件名中含有空格符，有些又不允许。大多数操作系统不会认为文件名中含有符号“#”会有什么特殊含义；但是在一个URL中，符号“#”表示该文件名已经结束，后面会紧跟一个 fragment（部分）标识符。其他的特殊字符，非字母数字字符集，它们在URL或另一个操作系统上都有其特殊的含义，表述着相似的问题。为了解决这些问题，我们在URL中使用的字符就必须是一个ASCII字符集的固定字集中的元素，具体如下：
1.大写字母A-Z
2.小写字母a-z
3.数字 0-9
4.标点符 - _ . ! ~ * ' (和 ,)
&&&&&&诸如字符: / & ? @ # ; $ + = 和 %也可以被使用，但是它们各有其特殊的用途，如果一个文件名包括了这些字符（ / & ? @ # ; $ + = %），这些字符和所有其他字符就应该被编码。
&&&&&&编码过程非常简单，任何字符只要不是ASCII码数字，字母，或者前面提到的标点符，它们都将被转换成字节形式，每个字节都写成这种形式：一个“%”后面跟着两位16进制的数值。空格是一个特殊情况，因为它们太平常了。它除了被编码成以外，还能编码为一个“+”。加号（+）本身被编码为%2B。当/ # = & 和?作为名字的一部分来使用时，而不是作为URL部分之间的分隔符来使用时，它们都应该被编码。
&&&&&WARNING这种策略在存在大量字符集的异构环境中效果不甚理想。例如：在U.S. Windows 系统中, é 被编码为 %E9. 在 U.S. Mac中被编码为%8E。这种不确定性的存在是现存的URI的一个明显的不足。所以在将来URI的规范当中应该通过国际资源标识符(IRIs)进行改善。
&&&&类 URL并不自动执行编码或解码工作。你能生成一个URL对象，它可以包括非法的ASCII和非ASCII字符和/或%xx。当用方法getPath() 和toExternalForm( ) 作为输出方法时，这种字符和转移符不会自动编码或解码。你应对被用来生成一个URL对象的字符串对象负责，确保所有字符都会被恰当地编码。
&&&&幸运的是，java提供了一个类URLEncoder把string编码成这种形式。Java1.2增加了一个类URLDecoder它能以这种形式解码string。这两个类都不用初始化：
public class URLDecoder extends Object
public class URLEncoder extends Object
一、URLEncoder
&&&&在java1.3和早期版本中，类java.net.URLEncoder包括一个简单的静态方法encode( )， 它对string以如下规则进行编码：
&&&&&&public static String encode(String s)
&&&&这个方法总是用它所在平台的默认编码形式，所以在不同系统上，它就会产生不同的结果。结果java1.4中，这个方法被另一种方法取代了。该方法要求你自己指定编码形式：
public static String encode(String s, String encoding) throws UnsupportedEncodingException
&&&&&两种关于编码的方法，都把任何非字母数字字符转换成%xx（除了空格，下划线(_)，连字符（?）,句号（。）,和星号（*））。两者也都编码所以的非ASCII字符。空格被转换成一个加号。这些方法有一点过分累赘了；它们也把“~”，“‘”，“（）”转换成%xx，即使它们完全用不着这样做。尽管这样，但是这种转换并没被URL规范所禁止。所以web浏览器会自然地处理这些被过分编码后的URL。
&&&&&两中关于编码的方法都返回一个新的被编码后的string，java1.3的方法encode( ) 使用了平台的默认编码形式，得到%xx。这些编码形式典型的有：在 U.S. Unix 系统上的ISO-8859-1, 在U.S. Windows 系统上的Cp1252,在U.S. Macs上的MacRoman，和其他本地字符集等。因为编码解码过程都是与本地操作平台相关的，所以这些方法是令人不爽的，不能跨平台的。
&&&&&这就明确地回答了为什么在java1.4中这种方法被抛弃了，转而投向了要求以自己指定编码形式的这种方法。尽管如此，如果你执意要使用所在平台的默认编码形式，你的程序将会像在java1.3中的程序一样，是本地平台相关的。在另一种编码的方法中，你应该总是用UTF-8，而不是其他什么。 UTF-8比起你选的其他的编码形式来说，它能与新的web浏览器和更多的其他软件相兼容。
&&&&&例子7-8是使用URLEncoder.encode( ) 来打印输出各种被编码后的string。它需要在java1.4或更新的版本中编译和运行。
Example 7-8. x-www-form-urlencoded strings
import java.net.URLE
import java.net.URLD
import java.io.UnsupportedEncodingE
public class EncoderTest {
public static void main(String[] args) {
System.out.println(URLEncoder.encode("This string has spaces","UTF-8"));
System.out.println(URLEncoder.encode("This*string*has*asterisks","UTF-8"));
System.out.println(URLEncoder.encode("This%string%has%percent%signs", "UTF-8"));
System.out.println(URLEncoder.encode("This+string+has+pluses","UTF-8"));
System.out.println(URLEncoder.encode("This/string/has/slashes","UTF-8"));
System.out.println(URLEncoder.encode("This\"string\"has\"quote\"marks", "UTF-8"));
System.out.println(URLEncoder.encode("This:string:has:colons","UTF-8"));
System.out.println(URLEncoder.encode("This~string~has~tildes","UTF-8"));
System.out.println(URLEncoder.encode("This(string)has(parentheses)", "UTF-8"));
System.out.println(URLEncoder.encode("This.string.has.periods","UTF-8"));
System.out.println(URLEncoder.encode("This=string=has=equals=signs", "UTF-8"));
System.out.println(URLEncoder.encode("This&string&has&ersands","UTF-8"));
System.out.println(URLEncoder.encode("Thiséstringéhasé non-ASCII characters","UTF-8"));
// System.out.println(URLEncoder.encode("this中华人民共和国","UTF-8"));
} catch (UnsupportedEncodingException ex) {throw new RuntimeException("Broken VM does not support UTF-8");
下面就是它的输出。需要注意的是这些代码应该以其他编码形式被保存而不是以ASCII码的形式，还有就是你选择的编码形式应该作为一个参数传给编译器，让编译器能据此对源代码中的非ASCII字符作出正确的解释。
% javac -encoding UTF8 EncoderTest&%
java EncoderTest
This+string+has+spaces
This*string*has*asterisks
This%25string%25has%25percent%25signs
This%2Bstring%2Bhas%2Bpluses
This%2Fstring%2Fhas%2Fslashes
This%22string%22has%22quote%22marks
This%3Astring%3Ahas%3Acolons
This%7Estring%7Ehas%7Etildes
This%28string%29has%28parentheses%29
This.string.has.periods
This%3Dstring%3Dhas%3Dequals%3Dsigns
This%26string%26has%26ampersands
This%C3%A9string%C3%A9has%C3%A9non-ASCII+characters
特别需要注意的是这个方法编码了符号，“\” ,&,=,和：。它不会尝试着去规定在一个URL中这些字符怎样被使用。由此，所以你不得不分块编码你的URL,而不是把整个URL一次传给这个方法。这是很重要的，因为对类URLEncoder最通常的用法就是查询string，为了和服务器端使用GET方法的程序进行交互。例如，假设你想编码这个查询sting，它用来搜索AltaVista网站：
pg=q&kl=XX&stype=stext&q=+"Java+I/O"&search.x=38&search.y=3
这段代码对其进行编码：
String query = URLEncoder.encode( "pg=q&kl=XX&stype=stext&q=+\"Java+I/O\"&search.x=38&search.y=3");System.out.println(query);
不幸的是，得到的输出是:
pg%3Dq%26kl%3DXX%26stype%3Dstext%26q%3D%2B%22Java%2BI%2FO%22%26search.x%3D38%26search.y%3D3
出现这个问题就是方法URLEncoder.encode( ) 在进行盲目地编码。它不能区分在URL或者查询string中被用到的特殊字符（象前面string中的“＝”，和“&”）和确实需要被编码的字符。由此，所以URL需要像下面这样一次只编码一块：
String query = URLEncoder.encode("pg");
query += "=";
query += URLEncoder.encode("q");
query += "&";
query += URLEncoder.encode("kl");
query += "=";
query += URLEncoder.encode("XX");
query += "&";
query += URLEncoder.encode("stype");
query += "=";
query += URLEncoder.encode("stext");
query += "&";
query += URLEncoder.encode("q");
query += "=";
query += URLEncoder.encode("\"Java I/O\"");
query += "&";
query += URLEncoder.encode("search.x");
query += "=";
query += URLEncoder.encode("38");
query += "&";
query += URLEncoder.encode("search.y");
query += "=";
query += URLEncoder.encode("3");
System.out.println(query);
这才是你真正想得到的输出：
pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3
例子7-9是一个QueryString类。在一个java对象中，它使用了类URLEncoder来编码连续的属性名和属性值对，这个java对象被用来发送数据到服务器端的程序。
当你在创建一个QueryString对象时，你可以把查询string中的第一个属性对传递给类QueryString的构造函数，得到初始 string。如果要继续加入后面的属性对，就应调用方法add（），它也能接受两个string作为参数，能对它们进行编码。方法getQuery( )返回一个属性对被逐个编码后得到的整个string。
Example 7-9. -The QueryString class
package com.macfaq.
import java.net.URLE
import java.io.UnsupportedEncodingE
public class QueryString {
&&private StringBuffer query = new StringBuffer();
public QueryString(String name, String value) {&
&&encode(name, value);
public synchronized void add(String name, String value) {
&&query.append('&');
&&encode(name, value);
private synchronized void encode(String name, String value) {
&&&&query.append(URLEncoder.encode(name, "UTF-8"));
&&&&query.append('=');
&&&&query.append(URLEncoder.encode(value, "UTF-8"));
} catch (UnsupportedEncodingException ex) {
&&&&&throw new RuntimeException("Broken VM does not support UTF-8");
public String getQuery() {
&&return query.toString();
public String toString() {
&&return getQuery();
利用这个类，现在我们就能对前面那个例子中的string进行编码了:
QueryString qs = new QueryString("pg", "q");
qs.add("kl", "XX");
qs.add("stype", "stext");
qs.add("q", "+\"Java I/O\"");
qs.add("search.x", "38");
qs.add("search.y", "3");
String url = " +
System.out.println(url);
二、URLDecoder
&&&&与URLEncoder 类相对应的URLDecoder 类有两种静态方法。它们解码以x-www-form-url-encoded这种形式编码的string。也就是说，它们把所有的加号（+）转换成空格符，把所有的%xx分别转换成与之相对应的字符：
public static String decode(String s) throws Exception
public static String decode(String s, String encoding) // Java 1.4 throws UnsupportedEncodingException
第一种解码方法在java1.3和java1.2中使用。第二种解码方法在java1.4和更新的版本中使用。如果你拿不定主意用哪种编码方式，那就选择UTF-8吧。它比其他任何的编码形式更有可能得到正确的结果。
如果string包含了一个“%”，但紧跟其后的不是两位16进制的数或者被解码成非法序列，该方法就会抛出 IllegalArgumentException 异常。当下次再出现这种情况时，它可能就不会被抛出了。这是与运行环境相关的，当检查到有非法序列时，抛不抛出 IllegalArgumentException 异常，这时到底会发生什么是不确定的。在Sun's JDK 1.4中，不会抛出什么异常，它会把一些莫名其妙的字节加进不能被顺利编码的string中。这的确令人头疼，可能就是一个安全漏洞。
由于这个方法没有触及到非转义字符，所以你可以把整个URL作为参数传给该方法，不用像之前那样分块进行。例如：
String input = " + "query?pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3";
&&String output = URLDecoder.decode(input, "UTF-8");
&&System.out.println(output);有段 url 编码解码的解码 我用了好多解码器都解析不出 有大神帮忙解一下吗？ - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
已注册用户请 &
有段 url 编码解码的解码 我用了好多解码器都解析不出 有大神帮忙解一下吗？
07:38:38 +08:00 · 2540 次点击
\u8bf7\u5148\u8fdb\ue\u\u\u\uc\u\u95f4\u592a\u957f,\u8bf7\u91cd\u65b0\u
17 回复 &| &直到
13:35:54 +08:00
& & 07:40:34 +08:00 via iPhone
&请先进入签到页面或者你的停留时间太长,请重新刷新&
& & 07:42:03 +08:00 via iPhone
这字符串好熟悉，笑
你是想自动签到 zimuzu.tv 吧
& & 07:43:33 +08:00
选择unicode转中文。
& & 07:54:03 +08:00 via Android
直接在Python里打印
& & 08:15:55 +08:00
直接点击解密就可以了，
& & 08:39:19 +08:00
亲，这是unicode
& & 08:43:49 +08:00
直接复制到chrome的控制台里，回车就可以显示了
& & 08:44:50 +08:00
@ 记得字符串两边要加引号
& & 09:20:19 +08:00
Unicode 编码解码~ 了解下哈~
& & 09:48:26 +08:00
@ 是的 ，但是我发现签到好像还是按登陆天数算的
& & 10:36:46 +08:00
@ “签到好像还是按登陆天数算”是什么意思，不就是点签到键签到吗？
我昨天就写了个签到脚本，没什么问题
& & 10:36:59 +08:00
url encode是用%
& & 15:10:15 +08:00
@ 签不签到 只要登录了 时间就叠加了
& & 07:57:43 +08:00
@ 晒晒脚本，菜鸟学习一下~
& & 08:33:41 +08:00
@ 不难，自己先试试吧，这样才更能学到东西，哪里遇到问题搞不定了再来问我吧
& & 13:07:07 +08:00
@ 求分享签到脚本。用curl似乎搞不定
& & 13:35:54 +08:00 via iPhone
@ 不是刚有人分享了签到脚本：
& · & 2693 人在线 & 最高记录 3541 & · &
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.7.5 · 63ms · UTC 02:07 · PVG 10:07 · LAX 19:07 · JFK 22:07? Do have faith in what you're doing.2016年2月 总版技术专家分月排行榜第二2014年2月 总版技术专家分月排行榜第二2013年4月 总版技术专家分月排行榜第二
2016年10月优秀小版主
2016年8月优秀小版主2016年7月优秀小版主优秀小版主2015年7月优秀小版主2015年9月优秀小版主2015年5月优秀小版主2014年11月论坛优秀版主
2016年2月 总版技术专家分月排行榜第二2014年2月 总版技术专家分月排行榜第二2013年4月 总版技术专家分月排行榜第二
2016年10月优秀小版主
2016年8月优秀小版主2016年7月优秀小版主优秀小版主2015年7月优秀小版主2015年9月优秀小版主2015年5月优秀小版主2014年11月论坛优秀版主
2013年8月 Web 开发大版内专家分月排行榜第一2010年2月 Web 开发大版内专家分月排行榜第一
2013年7月 Web 开发大版内专家分月排行榜第二2013年6月 Web 开发大版内专家分月排行榜第二
2016年2月 总版技术专家分月排行榜第二2014年2月 总版技术专家分月排行榜第二2013年4月 总版技术专家分月排行榜第二
2016年10月优秀小版主
2016年8月优秀小版主2016年7月优秀小版主优秀小版主2015年7月优秀小版主2015年9月优秀小版主2015年5月优秀小版主2014年11月论坛优秀版主
2013年5月 总版技术专家分月排行榜第一
2016年7月 总版技术专家分月排行榜第二2016年3月 总版技术专家分月排行榜第二2015年12月 总版技术专家分月排行榜第二2014年8月 总版技术专家分月排行榜第二2014年7月 总版技术专家分月排行榜第二2013年6月 总版技术专家分月排行榜第二
2016年2月 总版技术专家分月排行榜第二2014年2月 总版技术专家分月排行榜第二2013年4月 总版技术专家分月排行榜第二
2016年10月优秀小版主
2016年8月优秀小版主2016年7月优秀小版主优秀小版主2015年7月优秀小版主2015年9月优秀小版主2015年5月优秀小版主2014年11月论坛优秀版主
本帖子已过去太久远了，不再提供回复功能。Java中的ASCII、Unicode和UTF-8字符编码集 - 开心就好 - ITeye博客
博客分类：
首先讲一下几种字符的编码方式:
1. ASCII码
我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从111111。
上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。
ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制），大写的字母A是65（二进制）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。
2、非ASCII编码
英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制）。这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。
但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel
(?)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。
至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。比如，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。
中文编码的问题需要专文讨论，这篇笔记不涉及。这里只指出，虽然都是用多个字节表示一个符号，但是GB类的汉字编码与后文的Unicode和UTF-8是毫无关系的。
正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。
可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。
Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。具体的符号对应表，可以查询，或者专门的。
4. Unicode的问题
需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。
比如，汉字“严”的unicode是十六进制数4E25，转换成二进制数足足有15位（101），也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。
这里就有两个严重的问题，第一个问题是，如何才能区别unicode和ascii？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。
它们造成的结果是：1）出现了unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示unicode。2）unicode在很长一段时间内无法推广，直到互联网的出现。
互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n&1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
下表总结了编码规则，字母x表示可用编码的位。
Unicode符号范围 | UTF-8编码方式UTF字节数
(十六进制) |
（二进制）--------------------+---------------------------------------------
一个字节 00 007F | 0xxxxxxx两个字节 00 07FF | 110xxxxx
10xxxxxx三个字节 00 FFFF | 1110xxxx 10xxxxxx 10xxxxxx四个字节 0001
FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
下面， 还是以汉字“严”为例，演示如何实现UTF-8编码。
已知“严”的unicode是4E25（101），根据上表，可以发现4E25处在第三行的范围内（00
FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx
10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“
00101”，转换成十六进制就是E4B8A5。
6. Unicode与UTF-8之间的转换
通过上一节的例子，可以看到“严”的Unicode码是4E25，UTF-8编码是E4B8A5，两者是不一样的。它们之间的转换可以通过程序实现。
在Windows平台下，有一个最简单的转化方法，就是使用内置的记事本小程序Notepad.exe。打开文件后，点击“文件”菜单中的“另存为”命令，会跳出一个对话框，在最底部有一个“编码”的下拉条。
7. iso8859-1编码
属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母a的编码为0×61=97.很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然"中文"两个字不存在iso8859-1编码，以gb2312编码为例，应该是"d6d0
cec4"两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示："d6 d0 ce
c4"（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节"e4 b8 ad e6 96
87".很明显，这种表示方法还需要以另一种编码为基础。
java对字符的处理
在java应用软件中，会有多处涉及到字符集编码，有些地方需要进行正确的设置，有些地方需要进行一定程度的处理。
1. getBytes（charset）
这是java字符串处理的一个标准函数，其作用是将字符串所表示的字符按照charset编码，并以字节方式表示。注意字符串在java内存中总是按unicode编码存储的。比如"中文"，正常情况下（即没有错误的时候）存储为"4e2d
6587"，如果charset为"gbk"，则被编码为"d6d0 cec4"，然后返回字节"d6 d0 ce
c4".如果charset为"utf8"则最后是"e4 b8 ad e6 96 87".如果是"iso8859-1"，则由于无法编码，最后返回 "3f
3f"（两个问号）。
.class类的编码为：
windows 默认的编码为：中文：gb2312; 英文：iso8859;
String str = "张三" ;
byte[] jiema= str.getBytes("gb2312") ; //解码
bianma = new String(jiema,"UTF-8");//编码 如果上面的解码不对 可能出现问题
2. new String（charset）
这是java字符串处理的另一个标准函数，和上一个函数的作用相反，将字节数组按照charset编码进行组合识别，最后转换为unicode存储。参考上述getBytes的例子，"gbk"
和"utf8"都可以得出正确的结果"4e2d 6587"，但iso8859-1最后变成了"003f 003f"（两个问号）。
因为utf8可以用来表示/编码所有字符，所以new String（ str.getBytes（ "utf8" ）， "utf8" ） ===
str，即完全可逆。
3. setCharacterEncoding（）
该函数用来设置http请求或者相应的编码。
对于request，是指提交内容的编码，指定后可以通过getParameter（）则直接获得正确的字符串，如果不指定，则默认使用iso8859-1编码，需要进一步处理。参见下述"表单输入".值得注意的是在执行setCharacterEncoding（）之前，不能执行任何getParameter（）。java
doc上说明：This method must be called prior to reading request parameters or reading
input using
getReader（）。而且，该指定只对POST方法有效，对GET方法无效。分析原因，应该是在执行第一个getParameter（）的时候，java将会按照编码分析所有的提交内容，而后续的getParameter（）不再进行分析，所以setCharacterEncoding（）无效。而对于GET方法提交表单是，提交的内容在URL中，一开始就已经按照编码分析所有的提交内容，setCharacterEncoding（）自然就无效。
对于response，则是指定输出内容的编码，同时，该设置会传递给浏览器，告诉浏览器输出内容所采用的编码。
4. 处理过程
下面分析两个有代表性的例子，说明java对编码有关问题的处理方法。
4.1. 表单输入
User input *（gbk：d6d0 cec4） browser *（gbk：d6d0 cec4） web server
isod6 00d 000ce 00c4） class，需要在class中进行处理：getbytes（"iso8859-1"）为d6 d0
ce c4，new String（"gbk"）为d6d0 cec4，内存中以unicode编码则为4e2d 6587.
l 用户输入的编码方式和页面指定的编码有关，也和用户的操作系统有关，所以是不确定的，上例以gbk为例。
l 从browser到web
server，可以在表单中指定提交内容时使用的字符集，否则会使用页面指定的编码。而如果在url中直接用？的方式输入参数，则其编码往往是操作系统本身的编码，因为这时和页面无关。上述仍旧以gbk编码为例。
server接收到的是字节流，默认时（getParameter）会以iso8859-1编码处理之，结果是不正确的，所以需要进行处理。但如果预先设置了编码（通过request.
setCharacterEncoding （）），则能够直接获取到正确的结果。
l 在页面中指定编码是个好习惯，否则可能失去控制，无法指定正确的编码。
4.2. 文件编译
假设文件是gbk编码保存的，而编译有两种编码选择：gbk或者iso8859-1，前者是中文windows的默认编码，后者是linux的默认编码，当然也可以在编译时指定编码。
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编码保存，而用iso8859-1编译的结果是不正确的。
class unicode（4e2d 6587） system.out / jsp.out gbk（d6d0 cec4） os console /
l 文件可以以多种编码方式保存，中文windows下，默认为ansi/gbk.
编译器读取文件时，需要得到文件的编码，如果未指定，则使用系统默认编码。一般class文件，是以系统默认编码保存的，所以编译不会出问题，但对于jsp文件，如果在中文windows下编辑保存，而部署在英文linux下运行/编译，则会出现问题。所以需要在jsp文件中用pageEncoding指定编码。
l Java编译的时候会转换成统一的unicode编码处理，最后保存的时候再转换为utf编码。
当系统输出字符的时候，会按指定编码输出，对于中文windows下，System.out将使用gbk编码，而对于response（浏览器），则使用jsp文件头指定的contentType，或者可以直接为response指定编码。同时，会告诉browser网页的编码。如果未指定，则会使用iso8859-1编码。对于中文，应该为browser指定输出字符串的编码。
browser显示网页的时候，首先使用response中指定的编码（jsp文件头指定的contentType最终也反映在response上），如果未指定，则会使用网页中meta项指定中的contentType.
5. 几处设置
对于web应用程序，和编码有关的设置或者函数如下。
5.1. jsp编译
指定文件的存储编码，很明显，该设置应该置于文件的开头。例如：。另外，对于一般class文件，可以在编译的时候指定编码。
5.2. jsp输出
指定文件输出到browser是使用的编码，该设置也应该置于文件的开头。例如：。该设置和response.setCharacterEncoding（"GBK"）等效。
5.3. meta设置
指定网页使用的编码，该设置对静态网页尤其有作用。因为静态网页无法采用jsp的设置，而且也无法执行response.setCharacterEncoding（）。例如：
如果同时采用了jsp输出和meta设置两种编码指定方式，则jsp指定的优先。因为jsp指定的直接体现在response中。
需要注意的是，有一个设置可以给无编码指定的网页指定编码，该指定等同于jsp的编码指定方式，所以会覆盖静态网页中的meta指定。所以有人建议关闭该设置。
5.4. form设置
当浏览器提交表单的时候，可以指定相应的编码。例如：。一般不必不使用该设置，浏览器会直接使用网页的编码。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
首先介绍两种字符集 gb2312 和 gbk
。gb2312 简体中文编码
中文字符编码 包括繁体中文
1. 指定jsp文件里内容的的编码方式
&%@ page language="java" import="java.util.*"
pageEncoding="gb2312"%&
2. 指定html文件里内容的编码方式
&meta http-equiv="Content-Type"
content="text/ charset=gb2312" /&3. 当响应用户的请求时，输出到用户浏览器上的编码方式
&%@ page contentType="text/html"; charset="gb2312"%&
相当于生成的代码
response.setContentType("text/ charset=gb2312");
4. 把用户传递过来的参数作为指定的编码request.setCharacterEncoding("gb2312");
request.setCharacterEncoding("gb2312");
//设置输入编码格式
response.setContentType("text/ charset=gb2312");
//设置输出编码格式
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
一个关于中文字符转换的程序：
pany.util.
import sun.io.CharToByteCimport
sun.io.ByteToCharCimport
/*** 创建日期：( 13:51:16) 解决sybase数据库查询不能显示中文的问题*
* @author：like_dark*/public class UnicodeToAscii{
/*** UnicodeToAscii 构造子注解。*/public UnicodeToAscii
super ();}
/*** 将Ascii转换成中文字符串*/public static String
AsciiToChineseString ( String s ){
if ( s == null )
char[] orig = s.toCharArray ();
byte[] dest = new byte[
orig.length ];
for ( int i = 0; i & orig. i++ )
= ( byte ) ( orig[ i ] & 0xFF );
ByteToCharConverter toChar = ByteToCharConverter.getConverter ( "gb2312"
return new String ( toChar.convertAll ( dest ) );
( Exception e )
System.out.println ( e );
/*** 将中文字符串转换成Ascii*/public static String
ChineseStringToAscii ( String s ){
if ( s == null )
CharToByteConverter toByte =
CharToByteConverter.getConverter ( "gb2312" );
byte[] orig =
toByte.convertAll ( s.toCharArray () );
char[] dest = new char[
orig.length ];
for ( int i = 0; i & orig. i++ )
] = ( char ) ( orig[ i ] & 0xFF );
return new String ( dest );
catch ( Exception e )
System.out.println ( e );
/*** 中文转ascii* * @param s*
要进行转换的字符串* @param bl*
是否进行转换,一个开关控制 , true代表需要转换。*
@return 转换后的字符串*/
public static String ChineseStringToAscii ( String s, boolean bl
if ( !bl )
ChineseStringToAscii ( s );}
/*** ascii转字符串* * @param s* @param bl*
@return*/public static String AsciiToChineseString ( String s, boolean
if ( !bl )
AsciiToChineseString ( s );}
/*** 根据输入的源串(中文或中西文混合)返回其拼音首字母,以小写返回,如果首字符非拼音字母,则统一返回*号*
* @param str*
源串(中文或中西文混合)* @return
返回str的拼音首字母,以小写返回,如果首字符非拼音字母,则统一返回*号*/public static String
getFirstCharOfString ( String str ){
String firstChar =
if ( str == null || str.length () &= 0 )
byte firstCharBytes[] = new byte[ 2
firstCharBytes[ 0 ] = str.getBytes ( "gb2312" )[ 0 ];
gbcode = firstCharBytes[ 0 ] & 0x000000
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";
( gbcode &= 0xb4ee && gbcode &= 0xb6e9 )
firstChar =
else if ( gbcode &= 0xb6ea && gbcode &= 0xb7a1
firstChar = "e";
else if ( gbcode &= 0xb7a2 &&
gbcode &= 0xb8c0 )
firstChar = "f";
else if ( gbcode &=
0xb8c1 && gbcode &= 0xb9fd )
firstChar = "g";
( gbcode &= 0xb9fe && gbcode &= 0xbbf6 )
firstChar =
else if ( gbcode &= 0xbbf7 && gbcode &= 0xbfa5
firstChar = "j";
else if ( gbcode &= 0xbfa6 &&
gbcode &= 0xc0ab )
firstChar = "k";
else if ( gbcode &=
0xc0ac && gbcode &= 0xc2e7 )
firstChar = "l";
( gbcode &= 0xc2e8 && gbcode &= 0xc4c2 )
firstChar =
else if ( gbcode &= 0xc4c3 && gbcode &= 0xc5b5
firstChar = "n";
else if ( gbcode &= 0xc5b6 &&
gbcode &= 0xc5bd )
firstChar = "o";
else if ( gbcode &=
0xc5be && gbcode &= 0xc6d9 )
firstChar = "p";
( gbcode &= 0xc6da && gbcode &= 0xc8ba )
firstChar =
else if ( gbcode &= 0xc8bb && gbcode &= 0xc8f5
firstChar = "r";
else if ( gbcode &= 0xc8f6 &&
gbcode &= 0xcbf9 )
firstChar = "s";
else if ( gbcode &=
0xcbfa && gbcode &= 0xcdd9 )
firstChar = "t";
( gbcode &= 0xcdda && gbcode &= 0xcef3 )
firstChar =
else if ( gbcode &= 0xcef4 && gbcode &= 0xd1b8
firstChar = "x";
else if ( gbcode &= 0xd1b9 &&
gbcode &= 0xd4d0 )
firstChar = "y";
else if ( gbcode &=
0xd4d1 && gbcode &= 0xd7f9 )
firstChar = "z";
gbcode = firstCharBytes[ 0 ];
if ( gbcode &= 'A' && gbcode &= 'Z' )
gbcode += 32;
if ( gbcode &= 'a' && gbcode &= 'z' )
firstChar = String.valueOf ( ( char ) gbcode );
catch ( Exception
System.out.println ( "getFirstCharOfString Exception: " +
e.getMessage () );
return firstC}}
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
看看那句能打印出中文。说明解码编码正确
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"));
java编码类型获取：
浏览 35762
浏览: 451854 次
来自: 石家庄
操作excel文件，可以用插件，简单方便，PageOffice ...
nich002 写道竟然百度搜索排行第一...用递归删除，一个 ...
public static void clearDir(Fi ...
public static void clearDir(Fi ...
不妥，有flag作为成员参数判断，不便作为util类应该是