Liudroid的博客 Posts

先说编码（encode）

所谓的汉字编码，就是将一个个汉字，翻译成一个个字节（byte），进一步讲，是将一个字符串（String、char），转换成字节数组（byte[]）。字节数组其实在各种编程语言中，用的地方还挺多，主要用在I/O方面。我们常说的二进制数据，在Java中，基本上可以等同于字节数组。所以，不论是序列化、文件操作、网络传输二进制流、输入输出二进制流，都会用到字节数组。

再通俗一点讲，汉字编码就是将一个汉字字符翻译成机器能识别的二进制数据。（非汉字同理）

主流的编码方式如下：

• ASCII 码

学过计算机的人都知道 ASCII 码，总共有 128 个，用一个字节的低 7 位表示，0~31 是控制字符如换行回车删除等；32~126 是打印字符，可以通过键盘输入并且能够显示出来。

• ISO-8859-1

128 个字符显然是不够用的，于是 ISO 组织在 ASCII 码基础上又制定了一些列标准用来扩展 ASCII 编码，它们是 ISO-8859-1~ISO-8859-15，其中 ISO-8859-1 涵盖了大多数西欧语言字符，所有应用的最广泛。ISO-8859-1 仍然是单字节编码，它总共能表示 256 个字符。

• GB2312

它的全称是《信息交换用汉字编码字符集 基本集》，它是双字节编码，总的编码范围是 A1-F7，其中从 A1-A9 是符号区，总共包含 682 个符号，从 B0-F7 是汉字区，包含 6763 个汉字。

• GBK

全称叫《汉字内码扩展规范》，是国家技术监督局为 windows95 所制定的新的汉字内码规范，它的出现是为了扩展 GB2312，加入更多的汉字，它的编码范围是 8140~FEFE（去掉 XX7F）总共有 23940 个码位，它能表示 21003 个汉字，它的编码是和 GB2312 兼容的，也就是说用 GB2312 编码的汉字可以用 GBK 来解码，并且不会有乱码。

• GB18030

全称是《信息交换用汉字编码字符集》，是我国的强制标准，它可能是单字节、双字节或者四字节编码，它的编码与 GB2312 编码兼容，这个虽然是国家标准，但是实际应用系统中使用的并不广泛。

• UTF-16

说到 UTF 必须要提到 Unicode（Universal Code 统一码），ISO 试图想创建一个全新的超语言字典，世界上所有的语言都可以通过这本字典来相互翻译。可想而知这个字典是多么的复杂，关于 Unicode 的详细规范可以参考相应文档。Unicode 是 Java 和 XML 的基础，下面详细介绍 Unicode 在计算机中的存储形式。

UTF-16 具体定义了 Unicode 字符在计算机中存取方法。UTF-16 用两个字节来表示 Unicode 转化格式，这个是定长的表示方法，不论什么字符都可以用两个字节表示，两个字节是 16 个 bit，所以叫 UTF-16。UTF-16 表示字符非常方便，每两个字节表示一个字符，这个在字符串操作时就大大简化了操作，这也是 Java 以 UTF-16 作为内存的字符存储格式的一个很重要的原因。（只能说绝大多数情况下是这样，后面有说明）

• UTF-8

UTF-16 统一采用两个字节表示一个字符，虽然在表示上非常简单方便，但是也有其缺点，有很大一部分字符用一个字节就可以表示的现在要两个字节表示，存储空间放大了一倍，在现在的网络带宽还非常有限的今天，这样会增大网络传输的流量，而且也没必要。而 UTF-8 采用了一种变长技术，每个编码区域有不同的字码长度。不同类型的字符可以是由 1~6 个字节组成。

UTF-8 有以下编码规则：

1. 如果一个字节，最高位（第 8 位）为 0，表示这是一个 ASCII 字符（00 – 7F）。可见，所有 ASCII 编码已经是 UTF-8 了。
2. 如果一个字节，以 11 开头，连续的 1 的个数暗示这个字符的字节数，例如：110xxxxx 代表它是双字节 UTF-8 字符的首字节。
3. 如果一个字节，以 10 开始，表示它不是首字节，需要向前查找才能得到当前字符的首字节

要了解Unicode就要了解UCS-2/UCS-4，还要了解BOM（Byte Order Mark）和BE/LE(Big Endian/Little Endian)。详细内容可读（http://blog.charlee.li/unicode-intro/）我这里只说一下结论吧：Unicode和UCS-2/UCS-4只是规定了字符用那些字节表示。UTF-8/UTF-16以及BOM才决定了字符在内存中真正的存储方式，真正的用什么样的字节存储，当然真正存储的时候，是需要根据UCS-2或UCS-4计算出的。

严格来说：UTF-16和UTF-8都是变长的，UTF-32才是定长的，UTF-16并不总是两个字节表示一个字符，UTF-16还可以表示UCS-4标准的字符，那个时候占用4字节，但是这一点基本上在开发中被忽略了，基本也可以被忽略。UTF-32之所以是4字节定长，是因为它完全用来表示UCS-4。

小插曲：四个“龍”字以田字形布局组成的一个汉字大家都没见过吧，但是确实在Unicode中有这个字，他用UTF-16存储就是4个字节。

我们常用的汉字，UTF-8是三字节，常用的英文字符，UTF-8是一字节。我们常用的汉字和英文字符，UTF-16都是双字节。所以UTF-8不一定比UTF-16省空间和流量，UTF-8比UTF-16更适合于网络传输的原因是，当丢失单个字节时，不会引起连锁的解码错误，而UTF-16丢失一个字节后，丢失位之后的所有字节解码都会出错。但是UTF-16占用空间更少，易于处理，所以UTF-16一般作为内存存储的编码方式。

再讲解码（decode）

解码是编码的反操作。如果说编码是将地球文字翻译成太阳文字，解码就是将太阳文字翻译成地球文字。

实际上，解码是将字节数组（byte[]）按照源编码格式，翻译成汉字，或者翻译成另外一种编码格式的过程。

1、在编辑器中，如果你正在写一个.java文件，你点了保存或者Ctrl+S，这个内存中的java文件就要落地到磁盘上，这时候，系统必须要以一种编码格式对这个.java文件中的所有字符进行编码，才能翻译成二进制保存到磁盘上。

咱们编程都是英文编的，一般用任何编码方式都没什么问题。但如果你有一个变量String s=”一段中文”，这四个中文字符的存在，对文件编码格式提出了要求，可能会引起乱码。

默认情况下，保存是以操作系统的默认编码保存，一般中文操作系统是GBK。

（像notepad，可以保存成UTF-8，但是一定要保存成无BOM格式。）

理论上，java源文件，可以保存成任何编码格式，当然，如果有中文，这种格式必须支持中文，比如保存成GB2312\GBK\UTF-8\UTF-16都没有问题。

2、编译的时候。

用javac编译，是将.java文件的内容取出来，编译成.class文件。所以编译的时候，编译器得知道我之前.java文件是用那种编码方式进行的编码，如果不知道，取（解码）的时候，可就乱套了。我们可以运行一下javac -help命令，其中有一个参数-encoding就是干这件事的，官方解释是：指定源文件使用的字符编码。

如果不指定，则默认使用操作系统编码，一般中文操作系统是GBK。现在我们一般编程的时候，都会指定源码为UTF-8格式，用javac直接编译就会报错，错误提示一般是“编码GBK不可映射字符”或者“未结束的字符串面值”。那为什么我们一般很少遇到这种情况的，因为eclipse中，编译时的编码格式与文件格式一致，所以不会出现问题。这就是IDE为我们做的工作。

按照指定的源字符编码对二进制数据进行解码，这里解码后，不是用来输出，是马上用Unicode编码进行编码。Java编译的字节码文件，也就是.class文件中，所有的字符都是Unicode编码(实际是UTF-8)。这样，所有字节码文件就有了统一的，可支持全球语言的文件。

3、内存中

JVM加载.class文件的时候，就以Unicode编码方式加载就好了，汉字在内存里也是unicode方式存储的。这里实际是用UTF-16，估计是因为Java中的char数据类型都是双字节的吧。

实际上，char数据类型，在JVM中的标准就是UTF-16（无BOM）。String类型的实际存储是UTF-16BE。

4、使用时

无论我们是读取磁盘上的文件，还是读取网络传过来的数据流，我们必须知道他们正确的格式。并给我们的程序指定具体的解码类型。比如我有一个GB2312保存的本地文件，我用JAVA程序去读取里面的内容，起码我就得知道我应该用GB2312去解码，然后JVM会将解码后的字符串，转换成Unicode（UTF-16）。

当我们不知道源文件或源字符编码格式时，最好不要手动解码再编码，很有可能这个过程再也不可逆了。乱码了再也退不回的情况，我们在保存文件的时候经常遇到。（撤销操作另外，这里指再保存回原来格式的文本文件，乱码依然存在或者更严重）

5、JavaWeb开发时

说了这么多基础的知识，真到JavaWeb开发的时候，用到的可能性不大，除非是真的解决不了的编码问题，可以思考原理。

JavaWeb开发中一般需要注意的地方有这么几个：

• 所有的Java、JSP、XML等源文件都用UTF-8格式保存。
• XML文件头行设置<?xml version=”1.0″ encoding=”UTF-8″>
• JSP设置编码格式<%@page contentType=”text\html; charset=UTF-8″%>
• HTML中加入<meta HTTP-equiv=”Content-Type” content=”text/html; charset=UTF-8″/>
• 用框架的话设置框架的编码方式为UTF-8
• 获取表单参数之前调用request.setCharacterEncoding(“UTF-8”)
• 设置中间件（如Tomcat）Connector的URIEncoding=”UTF-8″

一般设置前四项都不会有问题。

参考：

http://lukejin.iteye.com/blog/586088

http://www.zhihu.com/question/30945431/answer/50046808?group_id=590118722086309888

http://www.zhihu.com/question/23374078

http://blog.csdn.net/scyatcs/article/details/31356823

http://cnn237111.blog.51cto.com/2359144/1080628

http://blog.sina.com.cn/s/blog_63597c6901012oyf.html

http://stackoverflow.com/questions/2164804/from-compilation-to-runtime-how-does-java-string-encoding-really-work

https://zh.wikipedia.org/wiki/UTF-16

https://zh.wikipedia.org/wiki/UTF-8

http://blog.charlee.li/unicode-intro/

一般情况下，我们访问一个Action，返回一个success，展示一个JSP页面。用的方法是：

<result name=”success”>/WEB-INF/pages/login.jsp</result>

这里result标签的type属性默认是dispatcher。正如官网所说：

If a type attribute is not specified, the framework will use the default dispatcher type, which forwards to another web resource. If the resource is a JavaServer Page, then the container will render it, using its JSP engine.

其实<result>标签有很多配置项可配置，如果我们想实现某个功能，或者解决某个问题，很有可能struts2已经想到了。

我有一个需求：一个Action当返回结果是error时，跳转到另一个Action（1、改变URL。2、为了SiteMesh对两个Action有不同的装饰需求），并且还传一个message进去。按照网友一般的办法，这样是极好的，并且没有乱码的：

<result name=”error” type=”redirect-action”>

<paramname=”actionName”>login.action</param>

<paramname=”message”>${message}</param>

</result>

但是不知道为啥，我的message接受过来，始终是乱码。后来经过一番查找和实验，发现Tomcat默认编码方式不是我的UTF-8，是ISO-8859-1。这样修改一下：

<Connector port=”8080″ protocol=”HTTP/1.1″
maxThreads=”150″ connectionTimeout=”20000″
redirectPort=”8443″ URIEncoding=”UTF-8″/>

问题解决。

当然，常规的避免乱码的方式都得有。网上一大堆，就不介绍了。

推荐：

https://struts.apache.org/docs/result-types.html

http://www.cnblogs.com/justbeginning/archive/2013/06/02/3113843.html

用尽各种办法，最管用的还是下面这一种。

优点：

1、404、500都能正确跳转。包括找不到Action、找不到ActionMethod、throw Exception、Throwable。

2、500可输出错误信息。

3、与sitemesh整合没有问题。

4、可替换Struts2和Tomcat的错误页面。做到真正自定义。

配置：

Web.xml

<error-page>

<error-code>404</error-code>

<location>/error404.jsp</location>

</error-page>

<error-page>

<exception-type>java.lang.Throwable</exception-type>

<location>/error.jsp</location>

</error-page>

404页面可为静态的页面，没有错误信息，可自定义。

500页面如下：

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

<%@ page isErrorPage=”true” import=”java.io.*”%>

<%@ taglib uri=”http://java.sun.com/jsp/jstl/core” prefix=”c” %>

<%@ taglib uri=”http://java.sun.com/jsp/jstl/fmt” prefix=”fmt” %>

<%@ taglib prefix=”s” uri=”/struts-tags”%>

Message:

<%=exception.getMessage()%>

StackTrace:

<%

StringWriter stringWriter = new StringWriter();

PrintWriter printWriter = new PrintWriter(stringWriter);

exception.printStackTrace(printWriter);

out.println(stringWriter);

printWriter.close();

stringWriter.close();

%>

以上页面都可以自己美化。

———————–

自己还试过的方法有：

1、struts2的声明式错误处理。

2、通过default-action-ref的作用来检测找不到的action，从而跳转到404页面。

以上两种方法都不好。第一种方式比较繁琐，而且有些错误捕获不到。第二种只能用于action，其他资源不能用。

<package name=”default” extends=”struts-default”>

<default-action-refname=”notFound”/>

 

<global-results>

<resultname=”error500″>/WEB-INF/pages/error500.jsp</result>

</global-results>

<global-exception-mappings>

<exception-mappingresult=”error500″exception=”java.lang.Exception”></exception-mapping>

</global-exception-mappings>

<actionname=”notFound”>

<result name=”success” type=”redirect”>

<param name=”location”>error404.jsp</param>

</result>

</action>

</package>

PS:多次事实证明，要解决技术问题，度娘还是不给力。

推荐几个网址：

http://www.avajava.com/tutorials/lessons/how-do-i-create-a-jsp-error-page-to-handle-exceptions.html?page=1

http://www.avajava.com/tutorials/lessons/how-do-i-create-a-jsp-error-page-to-handle-particular-error-codes.html?page=1

https://struts.apache.org/docs/home.html