Java 编码那些事(二)

乎语百科 2022-11-01 15:45:19 236 0

现在说说编码在Java中的实际运用。在使用tomcat的时候，绝大部分同学都会遇到乱码的问题，查查文档，google一下解决方案啥的，都是设置这里，设置那里，或者在代码中添加编码方式，虽然最终问题解决了，但是你真的知道这是什么意思么？

在平时开发Java的时候，我们会遇到很多编码设置，其中包括：

Java文件的编码：Java文件的编码表示编写代码得时候，.java文件本身的编码，这个编码的影响在于将你的写的代码源文件复制一份，使用其他编辑器打开，若两个编辑器的默认编码方式不一样，则打开源文件就会变成乱码。一般英文的影响不大，因为大多数编码都兼容ASCII编码，但是中文要是编码不正确，则会乱码。

IDEA的设置在：Setting->Editor->File Encodings中设置
JVM编码：JVM编码表示JVM在读取String类型的默认编码，可以使用Charset.defaultCharset().name() 获取。可以在JVM启动参数中使用-Dfile.encoding=UTF-8进行设置。

一般需要区分的就是这两种编码。下面着重说下JVM编码的体现。

字节流与字符流

熟悉IO的同学应该都明白这两个流的区别。一般会出现字符乱码都在于需要与其他程序进行IO的时候。

先看看使用字节流进行读取文件的时候：

    public static void main(String[] args){
        String path="G:\\test.txt";

        try(BufferedInputStream inputStream=new BufferedInputStream(new FileInputStream(path))) {
            for (byte bytes[] = new byte[1024]; inputStream.read(bytes) != -1; ) {
                String context = new String(bytes);
                System.out.println(context);
            }
        }catch (IOException e){
            e.printStackTrace();
        }
    }

然后再G盘新建一个文本文件，输入一段文字。使用默认的格式保存。

可以查看输出：

�����ļ��ļ�

乱码了，下面来分析一下：

首先这里是JVM运行时的编码，因此和JVM的编码设置有关。打印JVM目前的编码设置：

System.out.println(Charset.defaultCharset().name());
输出：UTF-8

找到刚刚新建的文件test.txt，点击另存为，可以发现默认编码为ANSI，前一篇文章中说过，ANSI作为windows系统中的特殊存在，它在简体中文编码的情况下默认为GBK编码。这便是乱码的原因，解决方案有两种：

设置JVM启动项：-Dfile.encoding = GB2312
在编码byte数组的时候，指定GB2312编码:String context = new String(bytes,"GB2312");

这里推荐第二种，毕竟UTF8更加通用

问题完美解决。

同理，网络IO也能通过以上方法解决。

看明白了上面的发现问题和解决问题的流程的同学，下次遇到文件编码的问题，相信应该能够独立解决问题。

实战

明白了各种编码问题，现在我们可以着手进行实战。

第一次使用IDEA开发Servlet的时候，大多数都会遇见乱码问题，包括：

控制台输出Tomcat日志乱码
网页显示Servlet返回的中文乱码

虽然各种Google后，终于解决了，但是可能依然不明白其中的缘由。下面我们来一探究竟

Tomcat日志

首先解决Tomcat日志乱码的问题，首先要明白：Tomcat作为一个独立的进程,IDEA是怎么获取到Tomcat日志的呢？在IDEA控制台中的Tomcat启动日志中，我们可以找到一个日志记录：

 -Dcatalina.base=C:\xxx\.IntelliJIdea2018.3\system\tomcat\xxx

复制选项中的路径，在文件夹中打开，进入logs文件夹，就可以发现这个是tomcat的日志文件输出路径，而IDEA正是读取了这个文件中的内容输出到控制台中，我们可以使用记事本打开日志文件，然后选择另存为，可以发现文件的默认编码是ANSI,也就说在简体中文下是GBK编码。

Java 编码那些事(二)

而读取文本文件内容一般有两种方式，第一种是字符流，第二种是字节流，字节流可以指定字符编码也可以通过的JVM启动参数-Dfile.encoding指定默认编码。

明白了上面的问题，我们就能知道为什么乱码了，这是因为IDEA的默认编码和这个日志文件的编码格式不统一导致的。

解决方案很简单，统一两个系统的编码，对于Tomcat的输出的日志文件，我们可以设置Tomcat启动的VM选项：Edit Configurations->Server-> VM options编辑添加：-Dfile.encoding=UTF-8

设置完Tomcat编码后，删除刚刚路径中的日志文件，重启Tomcat服务，再使用记事本打开刚刚的日志文件，另存为我们可以发现，编码已经变成了UTF-8。

IDEA

接下来设置IDEA的编码，IDEA默认编码暂时没有找到查找方式，我们也可以将其指定为UTF-8,找到IDEA的安装路径，在bin目录中可以发现一个名为idea.exe.vmoptions和idea64.exe.vmoptions选项，分别打开，添加-Dfile.encoding=UTF-8后，重启IDEA.

完成上面两步后，再次启动Tomcat服务，你会发现日志已经正常。

注：如果依然发现乱码，则可能是IDEA缓存了当前项目的编码设置，你可以在当前项目的.idea文件夹中找到encoding.xml文件，删除所有不是UTF-8的编码设置，重启IDEA即可。

网页乱码

我们都知道，浏览器浏览的网页其实是从服务器发送的HTML文件到浏览器中显示，而发送的是通过字节流传输，这个过程就涉及到解码->编码的过程，在HTTP协议中，编码的协议通过Header中的charset中设置。

为什么放header，因为HTTP请求会先解析header，而且header一般不会有ascii无法解析的字符，一般都是英文

网页乱码其实很好解决，如果发现在Servlet中，返回中文给浏览器的时候浏览器返回的是???

点击F12，抓包网络后，找到Response Body 中的charset选项，可以发现charset=ISO-8859-1

也就说默认的Tomcat使用的编码是ISO-8859-1，这是西欧的语言编码，它是不兼容中文的。如果你在Servlet返回的结果中添加一点法语：Ä ä或者德语什么的，你会发现会正常显示。

charset的意思便是Tomcat是以什么样的方式编码字节，而浏览器便会以这样的编码方式解码字节。

我们可以将charset修改为兼容中文的即可，比如UTf-8,GB2312等,建议使用UTF-8，在Servlet中，设置编码的方式为：

response.setCharacterEncoding("UTF-8");

也可以如下：

 resp.setContentType("text/html;charset=UTF-8");

建议第一种方式。

到这里，所有的乱码问题都已经解决。

其实，乱码不可怕，可怕的是经历了这么多次乱码却依然不去了解它。

微信搜索公众号:StackTrace，关注我，不断学习，不断提升

标签：