ianreedgerald

基裏巴斯語翻譯翻譯社很多人用 Java 處置到中文資料時，常會出現亂碼翻譯關於 Java 和中文兼容性的問題，其實讓很多程序員為此傷透腦子，相幹的問題每隔幾天就會呈現在收集上。為了舒緩您緊蹙的眉頭，天成翻譯公司特別寫了這系列文章，解說 Java 牽涉到文字時的內部處置體例，供讀者參考。讀完本系列文章以後，生吞活剝者可以治標，充裕理解者可以治本翻譯本文貴在原理解說，別光是囫圇吞棗。

快速解決之道

如果翻譯公司目前正遭受到 Java 和中文不兼容的問題，請翻譯公司注意下面這幾點，說不定問題能馬上迎刃而解：

1.          檢查操作系統設定：先查抄你的操作系統，肯定國籍說話資料是「Traditional Chinese（Taiwan）」。國籍說話資料的設定會影響 Java 編譯器與JRE的判定。我之前就是因為國籍資料設定不正確，出了一堆 Java 和中文不兼容的怪事。

2.          更新 Java 環境版本：改用最新版的 JDK，新版本的 JDK 說不定已經解決你原本的問題。請注意：某些 Java IDE 所用的編譯器和 JRE 是不兼容於中文的（我遇過這樣的情形），你最好能把 Java IDE 的 JDK 指到新版的 JDK。別的，若是數據庫取回的資料是亂碼，換別套或更新 JDBC 驅動法式碰運氣。

假如照樣沒法解決，請具體閱讀下面各末節的內容，細心斟酌你的毛病所在翻譯

Unicode、UTF-16、UTF-8

Java 內部處置懲罰字符使用的字序方式是 Unicode，這是一種通行全球的編碼體式格局翻譯Unicode 因為必需將中、韓、日、英、法、阿拉伯……等很多國度所利用的文字都納入，今朝已包括了六萬多個字符，所以 Unicode 利用了 16 個位來為字符編碼翻譯因為 Unicode 使用了 16 位編碼，所以每一個字符都用 16 位來貯存或傳輸是很天然的事，這類儲存或傳輸的格式稱為 UTF-16（是不是很像戰役機的名字）。若是你利用到的字符都是西方字符，那麼翻譯公司必然不會想用 UTF-16 的花式，因為體積比 8 位的 Latin-1（一種擴充 ASCII 的編碼）多了一倍。所以 Unicode 另有一種儲存或傳輸的格式，叫做 UTF-8翻譯UTF-8 的格式在編碼英文時，只需要 8 位，然則中文則是 24 位，所以中文字出現比例高的地方還是利用 UTF-16 比力節流空間。Java 的 Class File（也就是 bytecode）中有一字段叫做常數區（Constant Pool），一概利用 UTF-8 為字符編碼。

關於 Unicode 的編碼，請查閱「The Unicode Standard翻譯社 Version 3.0」一書（Addison-Wesley 出書）；關於 UTF-8 編碼，請查閱「Java I/O」一書的 399 頁（O'Reilly 出版）。關於 Java Class File 的花式與 Constant Pool，請查閱「Java Virtual Machine」一書（O'Reilly出版）。

Unicode 與繁體中文編碼的互轉

雖然 Java 內部完全地利用 Unicode，可是翻譯公司所利用的操作系統可不見得。以繁體中文版的 Windows 98 來講，預設的編碼體式格局是 MS950，這是一種兼容於 Big 5的編碼體式格局。字符串數據從 Windows 一送進 JRE，JRE 的轉碼系統立地先把字符串編碼由 MS950 轉成 Unicode，才能進行處置懲罰。字符串資料由 JRE 一送出給 Windows，JRE 的轉碼系統馬上先將其由 Unicode 轉成 MS950，操作系統才能處置懲罰。

想知道翻譯公司的 JDK 或 JRE 會用什麼樣的編碼體式格局來和操作系統溝通，請履行下面的 Java 程序：

public class ShowNativeEncoding {

       public static void main(String[] args) {

       String enc = System.getProperty("file.encoding");

       System.out.println(enc);

}

}

假如執行了局不是下面的字符串之一，那麼你的操作系統國籍說話設定可能就有問題了：

· Big5：這是繁體中文 de facto 標準翻譯

· CNS11643：台灣的官方標準繁體中文編碼翻譯

· Cp937：繁體中文加上 6204 個利用者自定的字符

· Cp948：繁體中文版 IBM OS/2 用的編碼體例。

· Cp964：繁體中文版 IBM AIX 用的編碼體式格局。

· EUC_TW：台灣的增強版 Unicode。

· ISO2022CN：編碼中文的一套標準翻譯

· ISO2022CN_CNS：編碼中文的一套標準，繁體版，襲自 CNS11643。

· MS950 或 Cp950：ASCII + Big5，用於台灣和香港的繁體中文 MS Windows操作系統。

· Unicode：有順序記號的 Unicode。順序記號佔用兩個 byte，若是其值是0xFEFF，暗示利用 big-endian（由大到小）的順序為 Unicode 編碼；若是其值是 0xFFFF，暗示利用 little-endian（由小到大）的順序為 Unicode 編碼翻譯

· UnicodeBig：使用 big-endian（由大到小）的順序為 Unicode 編碼。

· UnicodeLittle：利用 little-endian（由小到大）的順序為 Unicode 編碼。

· UTF8：使用 UTF-8 為 Unicode 編碼。

關於 Big 5 編碼，請查閱「CJKV Information Processing」一書的附錄 H（O'Reilly出書）。

編譯時的注意事項

編譯的時候，假如你不申明原始文件編碼體例的話， javac 編譯器在讀進此原始程序文件，入手下手編譯之前，會先去扣問操作系統檔案預設的編碼體例為何翻譯以繁體中文 Windows 98 來說，javac 會先扣問 Windows 98，得知檔案是用 MS950 的方式編碼翻譯然後就能夠將檔案由 MS950 轉成 Unicode 編碼體例，起頭進行編譯。

平日在編譯階段，會造成的毛病有以下幾種可能：

1.           若是操作系統的國籍資料設定錯誤，會造成 javac 編譯器獲得的編碼信息是錯的。

2.           較差勁的編譯器可能沒有自動扣問操作系統的編碼體例，而是採用編譯器預設的編碼方式翻譯

3.           假如原始程序不是用編譯其時操作系統預設的編碼體式格局存盤的，也會造成毛病。比方說，原始法式文件是台灣程序員寫的，在繁體中文版的 Windows上以 MS950 編碼存盤，再經過收集傳送到泰國，在泰文版的 Windows 上編譯（泰文版 Windows 預設的檔案編碼體例是 MS874）翻譯

這類因為原始法式文件編碼體式格局和編譯器沒法匹配所釀成的問題，輕則編譯成功但履行時文字呈現亂碼或泛起 Error/Exception，重則無法成功編譯。這時候候，你需要自動透過「-encoding」選項來指定原始法式的編碼體式格局，編譯器會以你指定的編碼為主，不會再去詢問操作系統。下面的例子，我們告知編譯器「TaiwanClass.java」是以繁體中文版 Windows 的「MS950」編碼的：

       javac –encoding MS950 TaiwanClass.java

假如你手上只有某 class 文件，沒有原始法式文件，而且翻譯公司肯定其 constant pool 的UTF-8 字段編碼錯誤，翻譯公司有兩種體式格局可以用來批改編碼：

1.          先反編譯，獲得原始程序，再點竄，編譯。

2.            或直接哄騙 bytecode 編輯軟件，直接點竄 class 文件。


I/O 轉碼
Java 現行的 IO 一概利用 Stream 的體例，相關的種別都放在 java.io 中。輸出 binary 的資料使用 OutputStream 的子種別，輸入 binary 的資料利用 InputStream 的子種別，輸出文字的資料使用 Writer 的子種別，輸入文字的資料使用 Reader 的子種別。

你可能會感覺很奇異：「有必要用分歧的方式來處置懲罰文字和 binary 嗎？文字資料不也是 binary 的一種？」沒錯，其實他們十分近似，最大的差異在於，InputStream/OutputStream 會原封不動地傳送資料，然則 Reader/Writer 會將資料當作文字看待，所以 Reader/Writer 在「需要時」會把（文字）資料轉碼翻譯什麼時辰才是所謂的「需要時」呢？

Java 的 Stream（包括 Reader 和 Writer）是可以相互串接的。當 Reader 的資料起原是另外一個 Reader 時，不轉碼，當 Reader 的資料濫觞是一個 InputStream 時，就會轉碼。當 Writer 的資料去向是另外一個 Writer 時，不轉碼，當 Writer 的資料去處是一個 OutputStream 時，就會轉碼。

由什麼碼轉成什麼碼？這是可以指定的翻譯因為轉碼只産生在 Reader/InputStream 的接壤處與 Writer/OutputStream 的交界處，所以恰是由 InputStreamReader 和 OutputStreamWriter 此二種別負責，下面兩個 constructor 的第二個參數，正是用來指定轉碼的方式翻譯

public InputStreamReader(InputStream in, String enc)
         throws UnsupportedEncodingException;
public OutputStreamWriter(OutputStream out, String enc)
         throws UnsupportedEncodingException;

InputStreamReader 負責將 enc 的編碼方式轉成 Unicode（因為資料是從「外部」送過來給「內部」的），OutputStreamWriter 負責將 Unicode 的編碼體例轉成 enc（因為資料要從「內部」送給「外部」）翻譯JRE 內部當然都一定是用 Unicode 編碼，而外部的編碼就紛歧定，要看當時的情況為何。你可以透過 getEncoding() 的 method，來得知 InputStreamReader 與 OutputStreamWriter 的編碼體式格局。

請注意：即使你沒用到 InputStreamReader 與 OutputStreamWriter，只有效到其它的 Reader 和 Writer，但是這些 Reader 和 Writer 內部也很有可能（但非絕對）是直接或間接通到 InputStreamReader 與 OutputStreamWriter。例如說：FileReader 內部其實是透過一個 InputStreamReader 的中介來將資料從 FileInputStream 取過來的，此時 InputStreamReader 的轉碼方式是採用 OS 的文字編碼（以繁體中文的 Windows 為例，就是「MS950」）轉成 Unicode。

若是你清晰地知道翻譯公司要讀寫的檔案（或資料來曆 / 去處）是採用某種編碼體例，翻譯公司也能夠主動指定編碼體例翻譯但是，請記得抓取可能致使的 UnsupportedEncodingException，並務必處置懲罰之，不可對此破例置之度外，因為該 JRE 有可能沒有附上此種編碼表（也有可能你的編碼名稱給錯）翻譯

檔案 I/O 轉碼
若是你是在泰文版的 Windows 上，想讀取用 MS950 編碼的繁體中文文字文件，你就必須自動指定編碼，不行以直接用 FileReader，否則沒法成功讀取。方法以下：

FileInputStream fis = new FileInputStream(fileName);
InputStreamReader reader = new InputStreamReader(fis, "MS950");

然後，透過 Reader 讀出來的就會是准確的中文。

網絡 I/O 轉碼
若是你的收集法式採用 TCP，那麼你可以透過 Socket 類別所供給的 getInputStream() 和 getOutputStream() 來獲得 InputStream 和 OutputStream 對象翻譯如果你是在泰文版的 Windows 上，想讀取用 MS950 編碼的繁體中文文字 TCP 收集串流，翻譯公司可以用類似上面的技能來轉碼。方式如下：

InputStream is = mySocket.getInputStream();
InputStreamReader reader = new InputStreamReader(is翻譯社 "MS950");

若是你的收集法式採用 UDP，你必須把中文字符串轉成（或轉自）byte 數組。請看下一節「 字符串和 byte 數組的轉碼 」。

如果翻譯公司的收集法式採用 RMI，那你完全不用為這部份的轉碼費心，字符串直接用 Unicode 在網絡上傳遞給另一個 JRE，不需要轉碼。

連結刑案現場
如果你不知道你的 I/O 資料來源或去向是用何種編碼方式，那麼你最好不要用 Reader 和 Writer，而應當直接用 InputStream 和 OutputStream，因為與其被 Reader 和 Writer 胡亂編碼以後造成信息遺失或錯亂，不如保持資料的完全不變，留待以後進一步解讀。

字符串和 byte 數組的轉碼
java.lang.String 種別是 Java 字符串對象的種別，Java 字符串對像既然是活在 JRE 內部，當然就必然是用 Unicode 編碼翻譯假如你需要將 String 對像和 byte 數組互轉，你可使用：

String(byte[] bytes, int offset, int length翻譯社 String enc);

          或

String(byte[] bytes, String enc);

來將用 enc 編碼的 byte 數組，轉成 Unicode 的 String 對象。你也可以利用 String 對像所供應的：

byte[] getBytes(String enc)

來將 String 對像轉成 byte 數組。

另外，翻譯公司也能夠透過 ByteArrayInputStream 或 ByteArrayOutputStream 串接到 InputStreamReader 或 OutputStreamWriter，來達到轉碼的目標翻譯


來自: https://blog.xuite.net/evan_0412/wretch/169912286-JAVA%E4%BA%82%E7%A2%BC%E5%95%8F%E9%A1%8C%EF%BC%88%有關翻譯的問題歡迎諮詢天成翻譯公司