一个想不明白的编码问题 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Java - 爪哇娇娃

一个想不明白的编码问题

一个想不明白的编码问题# Java - 爪哇娇娃

g*r2005-09-20 07:09

1 楼

IM做的好是干不掉360的，除非马化腾他爸爸是习近平
同理， 360想干掉腾讯也得它能做IM才成

b*g2005-09-20 07:09

2 楼

这两天用到一个servlet, 需要处理中文的，所有的编码都用的utf8, 没什么问题，可是
今天没事play with it的时候，发现下面这一段:
String inputText = request.getParameter("input");
String modText = new String(inputText.getBytes("ISO-8859-1"), "UTF-8")
;
myPrintWriter.println(modText);
基本上就是读入输入的中文，然后原样打印出来。但是我发现，其中第二句不管加上还是
去掉，在网页上显示的都是正确的中文。ISO-8859-1应该是只支持拉丁字母的
characterset, 所以inputText.getBytes("ISO-8859")这个操作应该会丢失inputText本
来来储存的中文信息，因为在8859-1的characterset里map不到，这样即使再用utf-8转回
来，也不应该是原来的信息了。可是为什么在我的test里面，不管有没有这句都没有区别
呢。bt

t*52005-09-20 07:09

3 楼

check javadoc of getBytes()
'the behavior is undefined' if string is beyond the charset.
the impl happens to decide just returning all the damn bytes.

是
")
是
本
回

【在 b***g 的大作中提到】

: 这两天用到一个servlet, 需要处理中文的，所有的编码都用的utf8, 没什么问题，可是
: 今天没事play with it的时候，发现下面这一段:
: String inputText = request.getParameter("input");
: String modText = new String(inputText.getBytes("ISO-8859-1"), "UTF-8")
: ;
: myPrintWriter.println(modText);
: 基本上就是读入输入的中文，然后原样打印出来。但是我发现，其中第二句不管加上还是
: 去掉，在网页上显示的都是正确的中文。ISO-8859-1应该是只支持拉丁字母的
: characterset, 所以inputText.getBytes("ISO-8859")这个操作应该会丢失inputText本
: 来来储存的中文信息，因为在8859-1的characterset里map不到，这样即使再用utf-8转回

b*g2005-09-20 07:09

4 楼

Thanks for the help. 今天又作了一些测试，结果发现了更多的问题，原来这个
String modText = new String(inputText.getBytes("ISO-8859-1"), "UTF-8");
是起作用的，如果不加这句，存进database就是乱码，加了这句，才能正常存储中文。
servlet 相关的命令如下：
request.setCharacterEncoding("UTF-8");
...
String inputText = request.getParameter("input");
String modText = new String(inputTextgetBytes("ISO-8859-1"), "UTF-8");
...
save to database
如果去掉转变编码的那一句,就不能正确存储. 可是我的jsp的content type 设的是
charset="UTF-8", request也设成了UTF-8, 为什么还需要用8859-1转化呢，真是百思不
得其解。难道是tomcat的bug?
")
是
本
回

t*52005-09-20 07:09

5 楼

in that case, my theory is that your browser sends in GB, and can
dispay GB, regardless of chartset specification.
you can not rely on a browser to check the bytes, look into HTTP
traffic directly to see what is sent between server and browser.
last time I know, it's a mess how browsers encode/escape request data.
lots of ambiguities, there is no way on server to interprete it
100% correctly. (yeah there are standards defining how it *shoud* be, but...

【在 b***g 的大作中提到】

: Thanks for the help. 今天又作了一些测试，结果发现了更多的问题，原来这个
: String modText = new String(inputText.getBytes("ISO-8859-1"), "UTF-8");
: 是起作用的，如果不加这句，存进database就是乱码，加了这句，才能正常存储中文。
: servlet 相关的命令如下：
: request.setCharacterEncoding("UTF-8");
: ...
: String inputText = request.getParameter("input");
: String modText = new String(inputTextgetBytes("ISO-8859-1"), "UTF-8");
: ...
: save to database