当前位置:Linux教程 - Linux - 在JAVA开发中的中文处理问题及解决办法

在JAVA开发中的中文处理问题及解决办法



        


    张来东


      在应用开发的过程中,总会遇到一些“难以理解”的系统缺陷和“不易解决”的问题。其实,通过认真分析,不必购买昂贵的产品依然可以解决多数问题。

      ■JDBC ODBC Bridge的Bug及其解决方法
      在编写一数据库管理程序时,发现JDBC-ODBC Bridge存在不易发现的Bug。在向数据表插入数据时,如果为英文字符,存储内容完全正确,如果存入中文字符,部分数据库只能存储前七八个中文字符,其他内容被截去,导致存储内容的不完整(有些数据库不存在这个问题,如Sybase SQL Anywhere 5.0。JDBC-ODBC Bridge还存在无法建表的Bug)。

      对于广大需要存储中文信息的Java程序员来说,这可是一个不好的消息。要么改用其他语言编程,要么选择其他价格昂贵的数据库产品。“一次编写,到处运行”的目标,也大打折扣。能不能采用变通的方法,将中文信息进行处理后再存储来解决这个问题呢?答案是肯定的。

      解决问题的具体思路、方法
      Java采用Unicode码编码方式,中英文字符均采用16bit存储。既然存储英文信息是正确的,根据一定规则,将中文信息转换成英文信息后存储,自然不会出现截尾现象。读取信息时再进行逆向操作,将英文信息还原成中文信息即可。由GB2312编码规则可知,汉字一般为二个高位为1的ASCII码,在转换时将一个汉字的二个高位1去掉,还原时再将二个高位1加上。为了处理含有英文字符的中文字串,对英文字符则需要加上一个Byte 0标记。以下提供的两个公用静态方法,可加入任何一个类中使用。

      将中英文字串转换成纯英文字串
      public static String toTureAsciiStr(String str){

      StringBuffer sb = new StringBuffer();

      byte[] bt = str.getBytes();

      for(int i =0 ;i〈bt.length;i++){

      if(bt[i]〈0){

      //是汉字去高位1

      sb.append((char)(bt[i]&&0x7f));

       }else{//是英文字符 补0作记录

      sb.append((char)0);

      sb.append((char)bt[i]);

       }

       }

      return sb.toString();

      }

      将经转换的字串还原
      public static String unToTrueAsciiStr(String str){

       byte[] bt = str.getBytes();

       int i,l=0,length = bt.length,j=0;

       for(i = 0;i〈length;i++){

       if(bt[i] == 0){



       l++;

       }

       }

       byte []bt2 = new byte[length-l];

       for(i =0 ;i〈length;i++){

       if(bt[i] == 0){

       i++;

       bt2[j] = bt[i];

       }else{

       bt2[j] = (byte)(bt[i]|0x80);

       }

       j++;

       }

      String tt = new String(bt2);

      return tt;

      }

      上例在实际编程中效果很好,只是存储的中文信息需要经过同样处理,才能被其他系统使用。而且如果中文字串出现英文字符,实际上增加了额外的存储空间。

      ■Solaris下Servlet编程的中文问题及解决办法
      在使用Java开发Internet上的一个应用系统时,发现在Windows下调试完全正常的Servlet,上传到Solaris 服务器上,运行却出现故障——返回的网页不能显示中文,应为中文的信息全为乱码;用中文信息做关键字,不能正确检索数据库。后来采用加入检查代码等方法探知故障原因如下:

      显示乱码主要是因为通过类 HttpServletResponse提供的方法setContentType 无法改变返回给客户的数据的编码方式,正确的编码方式应为GB2312或者GBK,而事实上为缺省的ISO8859-1。无法检索中文信息则是因为,客户提交的中文信息经浏览器编码到达服务器后,Servlet无法将其正确解码。

      举例说明显示乱码解决方法
      Servlet 一般通常做法如下:

      public class ZldTestServlet extends HttpServlet {

      public void doGet (HttpServletRequest request,HttpServletResponse response)throws ServletException, IOException{

      //在使用 Writer向浏览器返回数据前,设置 content-type header ,在这里设置相应的字符集gb2312

      response.setContentType("text/html;charset=gb2312");

      PrintWriter out = response.getWriter(); //*

      // 正式返回数据

      out.println("〈html〉〈head〉〈title〉Servlet test〈/title〉〈/head〉" );

      out.println("这是一个测试页!");

      out.println("〈/body〉〈/html〉");

      out.close();

      }

       ...

      }

      解决页面显示乱码问题,需将*处代码换成如下内容:

      PrintWriter out = new PrintWriter(new OutputStreamWriter(response.getOutputStream(),"gb2312"));


      Solaris中文信息检索问题的解决
      浏览器利用表单向服务器提交信息时,一般采用x-www-form-urlencoded 的MIME格式对数据进行编码。如果使用get方法,参数名称和参数值经编码后附加在URL后,在Java中称作查询串(query string)。

      在Servlet程序中,如果采用ServletRequest的方法getParameter取得参数值,在Solaris环境下,对汉字却不能正确解码。因而无法正确检索数据库。

      在Java 1.2的包——java.net中提供了URLEncode和URLDecode类。类URLEncode提供了按x-www-form-urlencoded格式对给定串进行转换的方法。类URLEncode则提供了逆方法。

      在编写某网上114查询的Servlet时,采用先取得查询串,再利用类URLDecode解码,再从解码后的串中取得参数,很好地解决了Solrais环境下,中文信息检索的问题。源代码就不在这里给出了,如果需要请和笔者联系。


    发布人:netbull 来自:LinuxAid