下面本文將針對(duì)以上幾點(diǎn)問(wèn)題進(jìn)行描述討論，我們就以“中文”兩個(gè)字為例來(lái)說(shuō)明，查找相關(guān)資料可知“中文”的GB2312編碼是“d6d0 cec4”，為Unicode編碼為"4e2d 6587"，UTF編碼就是"e4b8ad e69687"。（注意，“中文”這兩個(gè)字沒(méi)有iso8859-1編碼，但可以用iso8859-1編碼來(lái)"表示"）。

一、編碼基本知識(shí)：

最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語(yǔ)言，逐漸出現(xiàn)了很多標(biāo)準(zhǔn)編碼，重要的有如下幾個(gè):

1. iso8859-1

屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。比如，字母a的編碼為0x61=97。

很明顯，iso8859-1編碼表示的字符范圍很窄，無(wú)法表示中文字符。但是，由于是單字節(jié)編碼，和計(jì)算機(jī)最基礎(chǔ)的表示單位一致，所以很多時(shí)候，仍舊使用iso8859-1編碼來(lái)表示。而且在很多協(xié)議上，默認(rèn)使用該編碼。比如，雖然"中文"兩個(gè)字不存在iso8859-1編碼，以gb2312編碼為例，應(yīng)該是"d6d0 cec4"兩個(gè)字符，使用iso8859-1編碼的時(shí)候則將它拆開(kāi)為4個(gè)字節(jié)來(lái)表示："d6 d0 ce c4"（事實(shí)上，在進(jìn)行存儲(chǔ)的時(shí)候，也是以字節(jié)為單位處理的）。而如果是UTF編碼，則是6個(gè)字節(jié)"e4 b8 ad e6 96 87"。很明顯，這種表示方法還需要以另一種編碼為基礎(chǔ)。

2. GB2312/GBK

這就是漢子的國(guó)標(biāo)碼，專門(mén)用來(lái)表示漢字，是雙字節(jié)編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。其中g(shù)bk編碼能夠用來(lái)同時(shí)表示繁體字和簡(jiǎn)體字，而gb2312只能表示簡(jiǎn)體字，gbk是兼容gb2312編碼的。

3. unicode

這是最統(tǒng)一的編碼，可以用來(lái)表示所有語(yǔ)言的字符，而且是定長(zhǎng)雙字節(jié)（也有四字節(jié)的）編碼，包括英文字母在內(nèi)。所以可以說(shuō)它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過(guò)，相對(duì)于iso8859-1編碼來(lái)說(shuō)，uniocode編碼只是在前面增加了一個(gè)0字節(jié)，比如字母a為"00 61"。

需要說(shuō)明的是，定長(zhǎng)編碼便于計(jì)算機(jī)處理（注意GB2312/GBK不是定長(zhǎng)編碼），而unicode又可以用來(lái)表示所有字符，所以在很多軟件內(nèi)部是使用unicode編碼來(lái)處理的，比如java。

4. UTF

考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因?yàn)閷?duì)于英文字母，unicode也需要兩個(gè)字節(jié)來(lái)表示。所以u(píng)nicode不便于傳輸和存儲(chǔ)。因此而產(chǎn)生了utf編碼，utf編碼兼容iso8859-1編碼，同時(shí)也可以用來(lái)表示所有語(yǔ)言的字符，不過(guò)，utf編碼是不定長(zhǎng)編碼，每一個(gè)字符的長(zhǎng)度從1-6個(gè)字節(jié)不等。另外，utf編碼自帶簡(jiǎn)單的校驗(yàn)功能。一般來(lái)講，英文字母都是用一個(gè)字節(jié)表示，而漢字使用三個(gè)字節(jié)。

注意，雖然說(shuō)utf是為了使用更少的空間而使用的，但那只是相對(duì)于unicode編碼來(lái)說(shuō)，如果已經(jīng)知道是漢字，則使用GB2312/GBK無(wú)疑是最節(jié)省的。不過(guò)另一方面，值得說(shuō)明的是，雖然utf編碼對(duì)漢字使用3個(gè)字節(jié)，但即使對(duì)于漢字網(wǎng)頁(yè)，utf編碼也會(huì)比unicode編碼節(jié)省，因?yàn)榫W(wǎng)頁(yè)中包含了很多的英文字符。

二、java對(duì)字符的處理

在編寫(xiě)java應(yīng)用程序中，會(huì)有多處涉及到字符集編碼，有些地方需要進(jìn)行正確的設(shè)置，有些地方需要進(jìn)行一定程度的處理。

1. getBytes(charset)

這是java字符串處理的一個(gè)標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。注意字符串在java內(nèi)存中總是按unicode編碼存儲(chǔ)的。比如"中文"，正常情況下（即沒(méi)有錯(cuò)誤的時(shí)候）存儲(chǔ)為"4e2d 6587"，如果charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節(jié)"d6 d0 ce c4"。如果charset為"utf8"則最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1"，則由于無(wú)法編碼，最后返回 "3f 3f"（注： "3f 3f"是兩個(gè)問(wèn)號(hào)）。

2. new String(charset)

這是java字符串處理的另一個(gè)標(biāo)準(zhǔn)函數(shù)，和上一個(gè)函數(shù)的作用相反，將字節(jié)數(shù)組按照charset編碼進(jìn)行組合識(shí)別，最后轉(zhuǎn)換為unicode存儲(chǔ)。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結(jié)果"4e2d 6587"，但iso8859-1最后變成了"003f 003f"（兩個(gè)問(wèn)號(hào)）。

因?yàn)閡tf8可以用來(lái)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(shù)用來(lái)設(shè)置http請(qǐng)求或者相應(yīng)的編碼。

對(duì)于request，是指提交內(nèi)容的編碼，指定后可以通過(guò)getParameter()則直接獲得正確的字符串，如果不指定，則默認(rèn)使用iso8859-1編碼，需要進(jìn)一步處理。參見(jiàn)下述"表單輸入"。值得注意的是在執(zhí)行setCharacterEncoding()之前，不能執(zhí)行任何getParameter()。java doc上說(shuō)明：This method must be called prior to reading request parameters or reading input using getReader()。