网站做反向解析/河南整站百度快照优化

我们知道Unicode为国际化(I18n)提供了坚实的基础。但是Unicode不等同于国际化。使用Unicode的Java语言，若是使用不当，同样达不到国际化的目的。让我们来看一下Java是怎样处理Unicode的。

Java的字符类型

和C语言不同，Java的字符类型“char”是一个16位长的整数，而C语言的char是8位，等同于一个字节，只能表示单字节的字符(拉丁语系文字)。所以Java可以直接用一个char来表示一个Unicode字符(包括中文、英文、日文……)，大大简化了字符和字符串的操作。

因为Java字符总是Unicode字符，所以在后文中，如果不加说明，“字符”或“char”都是指16位的Unicode字符，而“字节”或“byte”都是指8位字节。

编码(encoding)

然而，当今多数计算机系统，都是以字节为存储运算的基本单元。这就使得在Java中，用Unicode表示的字符串无法直接写到文件中或保存到数据库中。必须以某一种方式，将字符串转换成便于传输和存储的字节流才行。这种将Unicode字符转换成字节的操作，就叫做“字符编码”(encoding)。

前面说过Unicode有两种字节表示法：UTF-8和UTF-16。所以将Unicode以UTF-8和UTF-16编码是最直接和自然的事了。以上面的“我爱Alibabaあいう”为例，用Big-endian(高位字节在前，低位字节在后)的UTF-16编码，可以表示成：

我们也可以把同样的字符串转换成UTF-8。UTF-8是变长的编码，对于ASCII码字符，不需要改变，就已经是UTF-8了，但一个中文要用三个字节来表示：

使用UTF-16或UTF-8编码的数据，必须使用支持Unicode的软件来处理，例如支持Unicode的文本编辑器。目前存在的大量软件，不一定都支持Unicode。因此我们往往将Unicode转换成某一种本地字符集，例如：

英文可转换成ISO-8859-1。

中文可转换成GB2312、GBK、BIG5或是GB18030等。

日文可以转换成SJIS或ISO-2022-JP等。

韩文可以转换成ISO-2022-KR等。

本地字符集名目之多，无法全部列举。最重要是，大多数字符集只映射到Unicode中的部分字符，且字符集之间互相交错，互不兼容。

那么，如果在将Unicode转换到某一本地字符集时，发现这一编码字符集不包含这个字符，怎么办呢?例如：“我爱Alibaba”这个字符串(简体中文)，如果转换成繁体中文的BIG5编码，就会变成：“我?Alibaba”。原来，Unicode规定，转换时碰到“看不懂”的字符，一律用“?(0x3F)”表示。

这就解释了一种常见的“乱码”情形：好端端的页面，显示在浏览器上却变成了无数个问号。原因就是Java在输出网页时，使用了错误的编码方式。