java.io.PrintWriter out=resp.getWriter();

 

out.println("＜html＞");

 

out.println("#中文#");

 

out.println("＜/html＞");

 

　}

 

}

 

 

 

该文件也是用UltraEdit for Windows编写的，其中的“中文”两个字保存为“D6 D0 CE C4”（GB2312编码）。

 

 

 

开始编译。下表是＜Compile-charset＞不同时，CLASS文件中“中文”两字的十六进制码。在编译过程中，＜Servlet-charset＞不起任何作用。＜Servlet-charset＞只对CLASS文件的输出产生影响，实际上是＜Servlet-charset＞和＜Compile-charset＞一起，达到与JSP文件中的＜Jsp-charset＞相同的效果，因为＜Jsp-charset＞对编译和CLASS文件的输出都会产生影响。

 

 

 

表3　“中文”从Servlet源文件到Class的转变过程

 

 

 

Compile-charset Servlet源文件中 Class文件中 等效的Unicode码

 

GB2312 D6 D0 CE C4

 

(GB2312) E4 B8 AD E6 96 87 (UTF) u4E2Du6587 (在Unicode中＝“中文”)

 

ISO-8859-1 D6 D0 CE C4

 

(GB2312) C3 96 C3 90 C3 8E C3 84 (UTF) u00D6 u00D0 u00CE u00C4 (在D6 D0 CE C4前面各加了一个00)

 

无（默认） D6 D0 CE C4 (GB2312) 同ISO-8859-1 同ISO-8859-1

 

 

 

普通Java程序的编译过程与Servlet完全一样。

 

 

 

CLASS文件中的中文表示法是不是昭然若揭了？OK，接下来看看CLASS又是怎样输出中文的呢？

 

 

 

Class：输出字符串

 

 

 

上文说过，字符串在内存中表现为Unicode编码。至于这种Unicode编码表示了什么，那要看它是从哪种字符集映射过来的，也就是说要看它的祖先。这好比在托运行李时，外观都是纸箱子，里面装了什么就要看寄邮件的人实际邮了什么东西。

 

 

 

看看上面的例子，如果给一串Unicode编码“00D6 00D0 00CE 00C4”，如果不作转换，直接用Unicode码表来对照它时，是四个字符（而且是特殊字符）；假如把它与“ISO8859-1”进行映射，则直接去掉前面的“00”即可得到“D6 D0 CE C4”，这是ASCII码表中的四个字符；而假如把它当作GB2312来进行映射，得到的结果很可能是一大堆乱码，因为在GB2312中有可能没有（也有可能有）字符与00D6等字符对应（如果对应不上，将得到0x3f，也就是问号，如果对应上了，由于00D6等字符太靠前，估计也是一些特殊符号，真正的汉字在Unicode中的编码从4E00开始）。

 

 

 

各位看到了，同样的Unicode字符，可以解释成不同的样子。当然，这其中有一种是我们期望的结果。以上例而论，“D6 D0 CE C4”应该是我们所想要的，当把“D6 D0 CE C4”输出到IE中时，用“简体中文”方式查看，就能看到清楚的“中文”两个字了。（当然了，如果你一定要用“西欧字符”来看，那也没办法，你将得不到任何有何时何地的东西）为什么呢？因为“00D6 00D0 00CE 00C4”本来就是由ISO8859-1转化过去的。

 

 

 

 

 

给出如下结论：

 

 

 

在Class输出字符串前，会将Unicode的字符串按照某一种内码重新生成字节流，然后把字节流输入，相当于进行了一步“String.getBytes(???)”操作。???代表某一种字符集。

 

 

 

如果是Servlet，那么，这种内码就是在HttpServletResponse.setContentType()方法中指定的内码，也就是上文定义的＜Servlet-charset＞。

 

 

 

如果是JSP，那么，这种内码就是在＜%@ page contentType=""%＞中指定的内码，也就是上文定义的＜Jsp-charset＞。

 

 

 

如果是Java程序，那么，这种内码就是file.encoding中指定的内码，默认为ISO8859-1。

 

 

 

当输出对象是浏览器时

 

 

 

以流行的浏览器IE为例。IE支持多种内码。假如IE接收到了一个字节流“D6 D0 CE C4”，你可以尝试用各种内码去查看。你会发现用“简体中文”时能得到正确的结果。因为“D6 D0 CE C4”本来就是简体中文中“中文”两个字的编码。

 

 

 

OK，完整地看一遍。

 

 

 

JSP：源文件为GB2312格式的文本文件，且JSP源文件中有“中文”这两个汉字

 

 

 

如果指定了＜Jsp-charset＞为GB2312，转化过程如下表。

 

 

 

表4　Jsp-charset = GB2312时的变化过程

 

 

 

序号 步骤说明 结果

 

1 编写JSP源文件，且存为GB2312格式 D6 D0 CE C4

 

（D6D0=中 CEC4=文）

 

2 jspc把JSP源文件转化为临时JAVA文件，并把字符串按照GB2312映射到Unicode，并用UTF格式写入JAVA文件中 E4 B8 AD E6 96 87

 

3 把临时JAVA文件编译成CLASS文件 E4 B8 AD E6 96 87

 

4 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 4E 2D 65 87（在Unicode中4E2D=中 6587=文）

 

5 根据Jsp-charset=GB2312把Unicode转化为字节流 D6 D0 CE C4

 

6 把字节流输出到IE中，并设置IE的编码为GB2312（作者按：这个信息隐藏在HTTP头中） D6 D0 CE C4

 

7 IE用“简体中文”查看结果 “中文”（正确显示）

 

 

 

如果指定了＜Jsp-charset＞为ISO8859-1，转化过程如下表。

 

 

 

表5　Jsp-charset = ISO8859-1时的变化过程

　　

 

 

序号 步骤说明 结果

 

1 编写JSP源文件，且存为GB2312格式 D6 D0 CE C4

 

（D6D0=中 CEC4=文）

 

2 jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中 C3 96 C3 90 C3 8E C3 84

 

3 把临时JAVA文件编译成CLASS文件 C3 96 C3 90 C3 8E C3 84

 

4 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 00 D6 00 D0 00 CE 00 C4

 

（啥都不是！！！）

 

5 根据Jsp-charset=ISO8859-1把Unicode转化为字节流 D6 D0 CE C4

 

6 把字节流输出到IE中，并设置IE的编码为ISO8859-1（作者按：这个信息隐藏在HTTP头中） D6 D0 CE C4

 

7 IE用“西欧字符”查看结果 乱码，其实是四个ASCII字符，但由于大于128，所以显示出来的怪模怪样

 

8 改变IE的页面编码为“简体中文” “中文”（正确显示）

 

 

 

奇怪了！为什么把＜Jsp-charset＞设成GB2312和ISO8859-1是一个样的，都能正确显示？因为表4表5中的第2步和第5步互逆，是相互“抵消”的。只不过当指定为ISO8859-1时，要增加第8步操作，殊为不便。

 

 

 

再看看不指定＜Jsp-charset＞ 时的情况。

 

 

 

表6　未指定Jsp-charset 时的变化过程

 

 

 

序号 步骤说明 结果

 

1 编写JSP源文件，且存为GB2312格式 D6 D0 CE C4

 

（D6D0=中 CEC4=文）

 

2 jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中 C3 96 C3 90 C3 8E C3 84

 

3 把临时JAVA文件编译成CLASS文件 C3 96 C3 90 C3 8E C3 84

 

4 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 00 D6 00 D0 00 CE 00 C4

 

5 根据Jsp-charset=ISO8859-1把Unicode转化为字节流 D6 D0 CE C4

 

6 把字节流输出到IE中 D6 D0 CE C4

 

7 IE用发出请求时的页面的编码查看结果 视情况而定。如果是简体中文，则能正确显示，否则，需执行表5中的第8步

 

 

 

Servlet：源文件为JAVA文件，格式是GB2312，源文件中含有“中文”这两个汉字

 

 

 

如果＜Compile-charset＞＝GB2312，＜Servlet-charset＞=GB2312

 

 

 

表7　Compile-charset=Servlet-charset=GB2312 时的变化过程

 

 

 

序号 步骤说明 结果

 

1 编写Servlet源文件，且存为GB2312格式 D6 D0 CE C4

 

（D6D0=中 CEC4=文）

 

2 用javac ?encoding GB2312把JAVA源文件编译成CLASS文件 E4 B8 AD E6 96 87　（UTF）

 

3 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 4E 2D 65 87 (Unicode)

 

4 根据Servlet-charset=GB2312把Unicode转化为字节流 D6 D0 CE C4 (GB2312)

 

5 把字节流输出到IE中并设置IE的编码属性为Servlet-charset=GB2312 D6 D0 CE C4 (GB2312)

 

6 IE用“简体中文”查看结果 “中文”（正确显示）

 

 

 

如果＜Compile-charset＞＝ISO8859-1，＜Servlet-charset＞=ISO8859-1

 

 

 

表8　Compile-charset=Servlet-charset=ISO8859-1时的变化过程

 

 

 

序号 步骤说明 结果

 

1 编写Servlet源文件，且存为GB2312格式 D6 D0 CE C4

 

（D6D0=中 CEC4=文）

 

2 用javac ?encoding ISO8859-1把JAVA源文件编译成CLASS文件 C3 96 C3 90 C3 8E C3 84　（UTF）

 

3 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 00 D6 00 D0 00 CE 00 C4

 

4 根据Servlet-charset=ISO8859-1把Unicode转化为字节流 D6 D0 CE C4

 

5 把字节流输出到IE中并设置IE的编码属性为Servlet-charset=ISO8859-1 D6 D0 CE C4 (GB2312)

 

6 IE用“西欧字符”查看结果 乱码（原因同表5）

 

7 改变IE的页面编码为“简体中文” “中文”（正确显示）

 

 

 

如果不指定Compile-charset或Servlet-charset，其默认值均为ISO8859-1。

 

 

 

当Compile-charset=Servlet-charset时，第2步和第4步能互逆，“抵消”，显示结果均能正确。读者可试着写一下Compile-charset＜＞Servlet-charset时的情况，肯定是不正确的。

 

 

 

当输出对象是数据库时

 

 

 

输出到数据库时，原理与输出到浏览器也是一样的。本节只是Servlet为例，JSP的情况请读者自行推导。

 

 

 

假设有一个Servlet，它能接收来自客户端（IE，简体中文）的汉字字符串，然后把它写入到内码为ISO8859-1的数据库中，然后再从数据库中取出这个字符串，显示到客户端。

 

 

 

表9　输出对象是数据库时的变化过程（1）

 

 

 

序号 步骤说明 结果 域

 

1 在IE中输入“中文” D6 D0 CE C4 IE

 

2 IE把字符串转变成UTF，并送入传输流中 E4 B8 AD E6 96 87

 

3 Servlet接收到输入流，用readUTF读取 4E 2D 65 87(unicode) Servlet

 

4 编程者在Servlet中必须把字符串根据GB2312还原为字节流 D6 D0 CE C4

 

5 编程者根据数据库内码ISO8859-1生成新的字符串 00 D6 00 D0 00 CE 00 C4

 

6 把新生成的字符串提交给JDBC 00 D6 00 D0 00 CE 00 C4

 

7 JDBC检测到数据库内码为ISO8859-1 00 D6 00 D0 00 CE 00 C4 JDBC

 

8 JDBC把接收到的字符串按照ISO8859-1生成字节流 D6 D0 CE C4

 

9 JDBC把字节流写入数据库中 D6 D0 CE C4

 

10 完成数据存储工作 D6 D0 CE C4 数据库

 

以下是从数据库中取出数的过程

 

11 JDBC从数据库中取出字节流 D6 D0 CE C4 JDBC

 

12 JDBC按照数据库的字符集ISO8859-1生成字符串，并提交给Servlet 00 D6 00 D0 00 CE 00 C4 (Unicode)

 

13 Servlet获得字符串 00 D6 00 D0 00 CE 00 C4 (Unicode) Servlet

 

14 编程者必须根据数据库的内码ISO8859-1还原成原始字节流 D6 D0 CE C4