当前位置:Linux教程 - 其他服务 - 其他服务 - Hello Unicode

其他服务 - Hello Unicode

Hello Unicode
2004-04-23 15:18 pm
来自:Linux文档
现载:Www.8s8s.coM
地址:无名

——JAVA的中文处理学习笔记
http://www.chedong.com/tech/hello_unicode.html

作者: 车东 chedong@bigfoot.com

最后更新:2002-12-22 00:30:03

版权声明:可以任意转载,转载时请务必标明原始出处和作者信息

关键词:linux java mutlibyte encoding locale i18n i10n chinese

内容摘要:通过2个测试程序说明系统缺省编码方式和应用的编码策略对字符处理的影响,选择合适的编码处理策略,构建更符合国际化规范的通用应用。

测试程序-1
==========

为了了解JAVA应用的编码处理的机制,首先要了解操作系统对JVM缺省编码方式的影响,因此我做了一个Env.java,用于打印显示不同系统下JVM的属性和系统支持的LOCALE。程序很简单:

/*
* Copyright (c) 2002 chedong@bigfoot.com
* $Id: Env.java,v 1.1 2002/07/30 09:48:12 chedong Exp $
*/

import java.util.*;
import java.text.*;

/**
* 目的:
* 显示环境变量和JVM的缺省属性
* 输入:无
* 输出:
* 1 支持的LOCALE
* 2 JVM的缺省属性
*/

public class Env {
/**
* main entrance
*/
public static void main(String[] args) {

System.out.println("Hello, it's: " + new Date());

//print available locales
Locale list[] = DateFormat.getAvailableLocales();
System.out.println("======System available locales:======== ");
for (int i = 0; i < list.length; i++) {
System.out.println(list[i].toString() + " " + list[i].getDisplayName());
}

//print JVM default properties
System.out.println("======System property======== ");
System.getProperties().list(System.out);
}
}

最需要注意的是JVM的file.encoding属性,这个属性确定了JVM的缺省的编码/解码方式:从而影响应用中所有字节流==>字符流的解码方式 字符流==>字节流的编码方式。

LINUX下的LOCALE可以通过 LANG=zh_CN; LC_ALL=zh_CN.GBK; export LANG LC_ALL 设置。locale 命令可以显示系统当前的环境设置
Windows的LOCALE可以通过 控制面板==>区域设置 设置实现
linux(J2SE1.3.1) LANG=en_US LC_ALL=en_US Linux(J2SE1.3.1) LANG=zh_CN LC_ALL=zh_CN.GBK Windows(J2SE1.3.0) 区域设置:中国 中文 Windows(J2SE1.3.0) 区域设置:英国 英文
Hello, it's: Tue Jul 30 11:05:44 CST 2002
======System available locales:========
en English
en_US English (United States)
ar Arabic
ar_AE Arabic (United Arab Emirates)
ar_BH Arabic (Bahrain)
ar_DZ Arabic (Algeria)
ar_EG Arabic (Egypt)
ar_IQ Arabic (Iraq)
ar_JO Arabic (Jordan)
ar_KW Arabic (Kuwait)
ar_LB Arabic (Lebanon)
ar_LY Arabic (Libya)
ar_MA Arabic (Morocco)
ar_OM Arabic (Oman)
ar_QA Arabic (Qatar)
ar_SA Arabic (Saudi Arabia)
ar_SD Arabic (Sudan)
ar_SY Arabic (Syria)
ar_TN Arabic (Tunisia)
ar_YE Arabic (Yemen)
be Byelorussian
be_BY Byelorussian (Belarus)
bg Bulgarian
bg_BG Bulgarian (Bulgaria)
ca Catalan
ca_ES Catalan (Spain)
ca_ES_EURO Catalan (Spain,Euro)
cs Czech
cs_CZ Czech (Czech Republic)
da Danish
da_DK Danish (Denmark)
de German
de_AT German (Austria)
de_AT_EURO German (Austria,Euro)
de_CH German (Switzerland)
de_DE German (Germany)
de_DE_EURO German (Germany,Euro)
de_LU German (Luxembourg)
de_LU_EURO German (Luxembourg,Euro)
el Greek
el_GR Greek (Greece)
en_AU English (Australia)
en_CA English (Canada)
en_GB English (United Kingdom)
en_IE English (Ireland)
en_IE_EURO English (Ireland,Euro)
en_NZ English (New Zealand)
en_ZA English (South Africa)
es Spanish
es_BO Spanish (Bolivia)
es_AR Spanish (Argentina)
es_CL Spanish (Chile)
es_CO Spanish (Colombia)
es_CR Spanish (Costa Rica)
es_DO Spanish (Dominican Republic)
es_EC Spanish (Ecuador)
es_ES Spanish (Spain)
es_ES_EURO Spanish (Spain,Euro)
es_GT Spanish (Guatemala)
es_HN Spanish (Honduras)
es_MX Spanish (Mexico)
es_NI Spanish (Nicaragua)
et Estonian
es_PA Spanish (Panama)
es_PE Spanish (Peru)
es_PR Spanish (Puerto Rico)
es_PY Spanish (Paraguay)
es_SV Spanish (El Salvador)
es_UY Spanish (Uruguay)
es_VE Spanish (Venezuela)
et_EE Estonian (Estonia)
fi Finnish
fi_FI Finnish (Finland)
fi_FI_EURO Finnish (Finland,Euro)
fr French
fr_BE French (Belgium)
fr_BE_EURO French (Belgium,Euro)
fr_CA French (Canada)
fr_CH French (Switzerland)
fr_FR French (France)
fr_FR_EURO French (France,Euro)
fr_LU French (Luxembourg)
fr_LU_EURO French (Luxembourg,Euro)
hr Croatian
hr_HR Croatian (Croatia)
hu Hungarian
hu_HU Hungarian (Hungary)
is Icelandic
is_IS Icelandic (Iceland)
it Italian
it_CH Italian (Switzerland)
it_IT Italian (Italy)
it_IT_EURO Italian (Italy,Euro)
iw Hebrew
iw_IL Hebrew (Israel)
ja Japanese
ja_JP Japanese (Japan)
ko Korean
ko_KR Korean (South Korea)
lt Lithuanian
lt_LT Lithuanian (Lithuania)
lv Latvian (Lettish)
lv_LV Latvian (Lettish) (Latvia)
mk Macedonian
mk_MK Macedonian (Macedonia)
nl Dutch
nl_BE Dutch (Belgium)
nl_BE_EURO Dutch (Belgium,Euro)
nl_NL Dutch (Netherlands)
nl_NL_EURO Dutch (Netherlands,Euro)
no Norwegian
no_NO Norwegian (Norway)
no_NO_NY Norwegian (Norway,Nynorsk)
pl Polish
pl_PL Polish (Poland)
pt Portuguese
pt_BR Portuguese (Brazil)
pt_PT Portuguese (Portugal)
pt_PT_EURO Portuguese (Portugal,Euro)
ro Romanian
ro_RO Romanian (Romania)
ru Russian
ru_RU Russian (Russia)
sh Serbo-Croatian
sh_YU Serbo-Croatian (Yugoslavia)
sk Slovak
sk_SK Slovak (Slovakia)
sl Slovenian
sl_SI Slovenian (Slovenia)
sq Albanian
sq_AL Albanian (Albania)
sr Serbian
sr_YU Serbian (Yugoslavia)
sv Swedish
sv_SE Swedish (Sweden)
th Thai
th_TH Thai (Thailand)
tr Turkish
tr_TR Turkish (Turkey)
uk Ukrainian
uk_UA Ukrainian (Ukraine)
zh Chinese
zh_CN Chinese (China)
zh_HK Chinese (Hong Kong)
zh_TW Chinese (Taiwan)
======System property========
-- listing properties --
java.runtime.name=Java(TM) 2 Runtime Environment, Stand...
sun.boot.library.path=/usr/java/jdk1.3.1_04/jre/lib/i386
java.vm.version=1.3.1_04-b02
java.vm.vendor=Sun Microsystems Inc.
java.vendor.url=http://java.sun.com/
path.separator=:
java.vm.name=Java HotSpot(TM) Client VM
file.encoding.pkg=sun.io
java.vm.specification.name=Java Virtual Machine Specification
user.dir=/home/chedong/src/char_test
java.runtime.version=1.3.1_04-b02
java.awt.graphicsenv=sun.awt.X11GraphicsEnvironment
os.arch=i386
java.io.tmpdir=/tmp
line.separator=

java.vm.specification.vendor=Sun Microsystems Inc.
java.awt.fonts=
os.name=linux
java.library.path=/usr/java/jdk1.3.1_04/jre/lib/i386:/u...
java.specification.name=Java Platform API Specification
java.class.version=47.0
os.version=2.4.7-10
user.home=/home/chedong
user.timezone=Asia/Shanghai
java.awt.printerjob=sun.awt.motif.PSPrinterJob
file.encoding=ISO-8859-1
java.specification.version=1.3
user.name=chedong
java.class.path=/home/chedong/classes
java.vm.specification.version=1.0
java.home=/usr/java/jdk1.3.1_04/jre
user.language=en
java.specification.vendor=Sun Microsystems Inc.
java.vm.info=mixed mode
java.version=1.3.1_04
java.ext.dirs=/usr/java/jdk1.3.1_04/jre/lib/ext
sun.boot.class.path=/usr/java/jdk1.3.1_04/jre/lib/rt.jar:...
java.vendor=Sun Microsystems Inc.
file.separator=/
java.vendor.url.bug=http://java.sun.com/cgi-bin/bugreport...
sun.cpu.endian=little
sun.io.unicode.encoding=UnicodeLittle
user.region=US
sun.cpu.isalist=
Hello, it's: Tue Jul 30 11:07:34 CST 2002
======System available locales:========
en 英文
en_US 英文 (美国)
ar 阿拉伯文
ar_AE 阿拉伯文 (阿拉伯联合酋长国)
ar_BH 阿拉伯文 (巴林)
ar_DZ 阿拉伯文 (阿尔及利亚)
ar_EG 阿拉伯文 (埃及)
ar_IQ 阿拉伯文 (伊拉克)
ar_JO 阿拉伯文 (约旦)
ar_KW 阿拉伯文 (科威特)
ar_LB 阿拉伯文 (黎巴嫩)
ar_LY 阿拉伯文 (利比亚)
ar_MA 阿拉伯文 (摩洛哥)
ar_OM 阿拉伯文 (阿曼)
ar_QA 阿拉伯文 (卡塔尔)
ar_SA 阿拉伯文 (沙特阿拉伯)
ar_SD 阿拉伯文 (苏丹)
ar_SY 阿拉伯文 (叙利亚)
ar_TN 阿拉伯文 (突尼斯)
ar_YE 阿拉伯文 (也门)
be 白俄罗斯文
be_BY 白俄罗斯文 (白俄罗斯)
bg 保加利亚文
bg_BG 保加利亚文 (保加利亚)
ca 加泰罗尼亚文
ca_ES 加泰罗尼亚文 (西班牙)
ca_ES_EURO 加泰罗尼亚文 (西班牙,Euro)
cs 捷克文
cs_CZ 捷克文 (捷克共和国)
da 丹麦文
da_DK 丹麦文 (丹麦)
de 德文
de_AT 德文 (奥地利)
de_AT_EURO 德文 (奥地利,Euro)
de_CH 德文 (瑞士)
de_DE 德文 (德国)
de_DE_EURO 德文 (德国,Euro)
de_LU 德文 (卢森堡)
de_LU_EURO 德文 (卢森堡,Euro)
el 希腊文
el_GR 希腊文 (希腊)
en_AU 英文 (澳大利亚)
en_CA 英文 (加拿大)
en_GB 英文 (英国)
en_IE 英文 (爱尔兰)
en_IE_EURO 英文 (爱尔兰,Euro)
en_NZ 英文 (新西兰)
en_ZA 英文 (南非)
es 西班牙文
es_BO 西班牙文 (玻利维亚)
es_AR 西班牙文 (阿根廷)
es_CL 西班牙文 (智利)
es_CO 西班牙文 (哥伦比亚)
es_CR 西班牙文 (哥斯达黎加)
es_DO 西班牙文 (多米尼加共和国)
es_EC 西班牙文 (厄瓜多尔)
es_ES 西班牙文 (西班牙)
es_ES_EURO 西班牙文 (西班牙,Euro)
es_GT 西班牙文 (危地马拉)
es_HN 西班牙文 (洪都拉斯)
es_MX 西班牙文 (墨西哥)
es_NI 西班牙文 (尼加拉瓜)
et 爱沙尼亚文
es_PA 西班牙文 (巴拿马)
es_PE 西班牙文 (秘鲁)
es_PR 西班牙文 (波多黎哥)
es_PY 西班牙文 (巴拉圭)
es_SV 西班牙文 (萨尔瓦多)
es_UY 西班牙文 (乌拉圭)
es_VE 西班牙文 (委内瑞拉)
et_EE 爱沙尼亚文 (爱沙尼亚)
fi 芬兰文
fi_FI 芬兰文 (芬兰)
fi_FI_EURO 芬兰文 (芬兰,Euro)
fr 法文
fr_BE 法文 (比利时)
fr_BE_EURO 法文 (比利时,Euro)
fr_CA 法文 (加拿大)
fr_CH 法文 (瑞士)
fr_FR 法文 (法国)
fr_FR_EURO 法文 (法国,Euro)
fr_LU 法文 (卢森堡)
fr_LU_EURO 法文 (卢森堡,Euro)
hr 克罗地亚文
hr_HR 克罗地亚文 (克罗地亚)
hu 匈牙利文
hu_HU 匈牙利文 (匈牙利)
is 冰岛文
is_IS 冰岛文 (冰岛)
it 意大利文
it_CH 意大利文 (瑞士)
it_IT 意大利文 (意大利)
it_IT_EURO 意大利文 (意大利,Euro)
iw 希伯来文
iw_IL 希伯来文 (以色列)
ja 日文
ja_JP 日文 (日本)
ko 朝鲜文
ko_KR 朝鲜文 (南朝鲜)
lt 立陶宛文
lt_LT 立陶宛文 (立陶宛)
lv 拉托维亚文(列托)
lv_LV 拉托维亚文(列托) (拉脱维亚)
mk 马其顿文
mk_MK 马其顿文 (马其顿王国)
nl 荷兰文
nl_BE 荷兰文 (比利时)
nl_BE_EURO 荷兰文 (比利时,Euro)
nl_NL 荷兰文 (荷兰)
nl_NL_EURO 荷兰文 (荷兰,Euro)
no 挪威文
no_NO 挪威文 (挪威)
no_NO_NY 挪威文 (挪威,Nynorsk)
pl 波兰文
pl_PL 波兰文 (波兰)
pt 葡萄牙文
pt_BR 葡萄牙文 (巴西)
pt_PT 葡萄牙文 (葡萄牙)
pt_PT_EURO 葡萄牙文 (葡萄牙,Euro)
ro 罗马尼亚文
ro_RO 罗马尼亚文 (罗马尼亚)
ru 俄文
ru_RU 俄文 (俄罗斯)
sh 塞波尼斯-克罗地亚文
sh_YU 塞波尼斯-克罗地亚文 (南斯拉夫)
sk 斯洛伐克文
sk_SK 斯洛伐克文 (斯洛伐克)
sl 斯洛文尼亚文
sl_SI 斯洛文尼亚文 (斯洛文尼亚)
sq 阿尔巴尼亚文
sq_AL 阿尔巴尼亚文 (阿尔巴尼亚)
sr 塞尔维亚文
sr_YU 塞尔维亚文 (南斯拉夫)
sv 瑞典文
sv_SE 瑞典文 (瑞典)
th 泰文
th_TH 泰文 (泰国)
tr 土耳其文
tr_TR 土耳其文 (土耳其)
uk 乌克兰文
uk_UA 乌克兰文 (乌克兰)
zh 中文
zh_CN 中文 (中国)
zh_HK 中文 (香港)
zh_TW 中文 (台湾)
======System property========
-- listing properties --
java.runtime.name=Java(TM) 2 Runtime Environment, Stand...
sun.boot.library.path=/usr/java/jdk1.3.1_04/jre/lib/i386
java.vm.version=1.3.1_04-b02
java.vm.vendor=Sun Microsystems Inc.
java.vendor.url=http://java.sun.com/
path.separator=:
java.vm.name=Java HotSpot(TM) Client VM
file.encoding.pkg=sun.io
java.vm.specification.name=Java Virtual Machine Specification
user.dir=/home/chedong/src/char_test
java.runtime.version=1.3.1_04-b02
java.awt.graphicsenv=sun.awt.X11GraphicsEnvironment
os.arch=i386
java.io.tmpdir=/tmp
line.separator=

java.vm.specification.vendor=Sun Microsystems Inc.
java.awt.fonts=
os.name=linux
java.library.path=/usr/java/jdk1.3.1_04/jre/lib/i386:/u...
java.specification.name=Java Platform API Specification
java.class.version=47.0
os.version=2.4.7-10
user.home=/home/chedong
user.timezone=Asia/Shanghai
java.awt.printerjob=sun.awt.motif.PSPrinterJob
file.encoding=GBK
java.specification.version=1.3
user.name=chedong
java.class.path=/home/chedong/classes
java.vm.specification.version=1.0
java.home=/usr/java/jdk1.3.1_04/jre
user.language=zh
java.specification.vendor=Sun Microsystems Inc.
java.vm.info=mixed mode
java.version=1.3.1_04
java.ext.dirs=/usr/java/jdk1.3.1_04/jre/lib/ext
sun.boot.class.path=/usr/java/jdk1.3.1_04/jre/lib/rt.jar:...
java.vendor=Sun Microsystems Inc.
file.separator=/
java.vendor.url.bug=http://java.sun.com/cgi-bin/bugreport...
sun.cpu.endian=little
sun.io.unicode.encoding=UnicodeLittle
user.region=CN
sun.cpu.isalist=
Hello, it's: Tue Jul 30 11:49:36 CST 2002
======System available locales:========
en English
en_US English (United States)
ar Arabic
ar_AE Arabic (United Arab Emirates)
ar_BH Arabic (Bahrain)
ar_DZ Arabic (Algeria)
ar_EG Arabic (Egypt)
ar_IQ Arabic (Iraq)
ar_JO Arabic (Jordan)
ar_KW Arabic (Kuwait)
ar_LB Arabic (Lebanon)
ar_LY Arabic (Libya)
ar_MA Arabic (Morocco)
ar_OM Arabic (Oman)
ar_QA Arabic (Qatar)
ar_SA Arabic (Saudi Arabia)
ar_SD Arabic (Sudan)
ar_SY Arabic (Syria)
ar_TN Arabic (Tunisia)
ar_YE Arabic (Yemen)
be Byelorussian
be_BY Byelorussian (Belarus)
bg Bulgarian
bg_BG Bulgarian (Bulgaria)
ca Catalan
ca_ES Catalan (Spain)
ca_ES_EURO Catalan (Spain,Euro)
cs Czech
cs_CZ Czech (Czech Republic)
da Danish
da_DK Danish (Denmark)
de German
de_AT German (Austria)
de_AT_EURO German (Austria,Euro)
de_CH German (Switzerland)
de_DE German (Germany)
de_DE_EURO German (Germany,Euro)
de_LU German (Luxembourg)
de_LU_EURO German (Luxembourg,Euro)
el Greek
el_GR Greek (Greece)
en_AU English (Australia)
en_CA English (Canada)
en_GB English (United Kingdom)
en_IE English (Ireland)
en_IE_EURO English (Ireland,Euro)
en_NZ English (New Zealand)
en_ZA English (South Africa)
es Spanish
es_AR Spanish (Argentina)
es_BO Spanish (Bolivia)
es_CL Spanish (Chile)
es_CO Spanish (Colombia)
es_CR Spanish (Costa Rica)
es_DO Spanish (Dominican Republic)
es_EC Spanish (Ecuador)
es_ES Spanish (Spain)
es_ES_EURO Spanish (Spain,Euro)
es_GT Spanish (Guatemala)
es_HN Spanish (Honduras)
es_MX Spanish (Mexico)
es_NI Spanish (Nicaragua)
es_PA Spanish (Panama)
es_PE Spanish (Peru)
es_PR Spanish (Puerto Rico)
es_PY Spanish (Paraguay)
es_SV Spanish (El Salvador)
es_UY Spanish (Uruguay)
es_VE Spanish (Venezuela)
et Estonian
et_EE Estonian (Estonia)
fi Finnish
fi_FI Finnish (Finland)
fi_FI_EURO Finnish (Finland,Euro)
fr French
fr_BE French (Belgium)
fr_BE_EURO French (Belgium,Euro)
fr_CA French (Canada)
fr_CH French (Switzerland)
fr_FR French (France)
fr_FR_EURO French (France,Euro)
fr_LU French (Luxembourg)
fr_LU_EURO French (Luxembourg,Euro)
hr Croatian
hr_HR Croatian (Croatia)
hu Hungarian
hu_HU Hungarian (Hungary)
is Icelandic
is_IS Icelandic (Iceland)
it Italian
it_CH Italian (Switzerland)
it_IT Italian (Italy)
it_IT_EURO Italian (Italy,Euro)
iw Hebrew
iw_IL Hebrew (Israel)
ja Japanese
ja_JP Japanese (Japan)
ko 韩文
ko_KR 韩文 (大韩民国)
lt Lithuanian
lt_LT Lithuanian (Lithuania)
lv Latvian (Lettish)
lv_LV Latvian (Lettish) (Latvia)
mk Macedonian
mk_MK Macedonian (Macedonia)
nl Dutch
nl_BE Dutch (Belgium)
nl_BE_EURO Dutch (Belgium,Euro)
nl_NL Dutch (Netherlands)
nl_NL_EURO Dutch (Netherlands,Euro)
no Norwegian
no_NO Norwegian (Norway)
no_NO_NY Norwegian (Norway,Nynorsk)
pl Polish
pl_PL Polish (Poland)
pt Portuguese
pt_BR Portuguese (Brazil)
pt_PT Portuguese (Portugal)
pt_PT_EURO Portuguese (Portugal,Euro)
ro Romanian
ro_RO Romanian (Romania)
ru Russian
ru_RU Russian (Russia)
sh Serbo-Croatian
sh_YU Serbo-Croatian (Yugoslavia)
sk Slovak
sk_SK Slovak (Slovakia)
sl Slovenian
sl_SI Slovenian (Slovenia)
sq Albanian
sq_AL Albanian (Albania)
sr Serbian
sr_YU Serbian (Yugoslavia)
sv Swedish
sv_SE Swedish (Sweden)
th Thai
th_TH Thai (Thailand)
tr Turkish
tr_TR Turkish (Turkey)
uk Ukrainian
uk_UA Ukrainian (Ukraine)
zh 中文
zh_CN 中文 (中华人民共和国)
zh_HK 中文 (香港)
zh_TW 中文 (台湾)
======System property========
-- listing properties --
java.runtime.name=Java(TM) 2 Runtime Environment, Stand...
sun.boot.library.path=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
java.vm.version=1.3.0_02
java.vm.vendor=Sun Microsystems Inc.
java.vendor.url=http://java.sun.com/
path.separator=;
java.vm.name=Java HotSpot(TM) Client VM
file.encoding.pkg=sun.io
java.vm.specification.name=Java Virtual Machine Specification
user.dir=D:javasrcchar_test
java.runtime.version=1.3.0_02
java.awt.graphicsenv=sun.awt.Win32GraphicsEnvironment
os.arch=x86
java.io.tmpdir=D:TEMP
line.separator=

java.vm.specification.vendor=Sun Microsystems Inc.
java.awt.fonts=
os.name=Windows 98
java.library.path=C:WINDOWS;.;C:WINDOWSSYSTEM;C:WIN...
java.specification.name=Java Platform API Specification
java.class.version=47.0
os.version=4.90
user.home=C:WINDOWS
user.timezone=Asia/Shanghai
java.awt.printerjob=sun.awt.windows.WPrinterJob
file.encoding=GBK
java.specification.version=1.3
user.name=Sicci
java.class.path=d:javaclasses
java.vm.specification.version=1.0
java.home=C:PROGRAM FILESJAVASOFTJRE1.3.0_02
user.language=zh
java.specification.vendor=Sun Microsystems Inc.
awt.toolkit=sun.awt.windows.WToolkit
java.vm.info=mixed mode
java.version=1.3.0_02
java.ext.dirs=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
sun.boot.class.path=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
java.vendor=Sun Microsystems Inc.
file.separator=
java.vendor.url.bug=http://java.sun.com/cgi-bin/bugreport...
sun.cpu.endian=little
sun.io.unicode.encoding=UnicodeLittle
user.region=CN
sun.cpu.isalist=pentium i486 i386
Hello, it's: Tue Jul 30 11:53:27 CST 2002
======System available locales:========
en English
en_US English (United States)
ar Arabic
ar_AE Arabic (United Arab Emirates)
ar_BH Arabic (Bahrain)
ar_DZ Arabic (Algeria)
ar_EG Arabic (Egypt)
ar_IQ Arabic (Iraq)
ar_JO Arabic (Jordan)
ar_KW Arabic (Kuwait)
ar_LB Arabic (Lebanon)
ar_LY Arabic (Libya)
ar_MA Arabic (Morocco)
ar_OM Arabic (Oman)
ar_QA Arabic (Qatar)
ar_SA Arabic (Saudi Arabia)
ar_SD Arabic (Sudan)
ar_SY Arabic (Syria)
ar_TN Arabic (Tunisia)
ar_YE Arabic (Yemen)
be Byelorussian
be_BY Byelorussian (Belarus)
bg Bulgarian
bg_BG Bulgarian (Bulgaria)
ca Catalan
ca_ES Catalan (Spain)
ca_ES_EURO Catalan (Spain,Euro)
cs Czech
cs_CZ Czech (Czech Republic)
da Danish
da_DK Danish (Denmark)
de German
de_AT German (Austria)
de_AT_EURO German (Austria,Euro)
de_CH German (Switzerland)
de_DE German (Germany)
de_DE_EURO German (Germany,Euro)
de_LU German (Luxembourg)
de_LU_EURO German (Luxembourg,Euro)
el Greek
el_GR Greek (Greece)
en_AU English (Australia)
en_CA English (Canada)
en_GB English (United Kingdom)
en_IE English (Ireland)
en_IE_EURO English (Ireland,Euro)
en_NZ English (New Zealand)
en_ZA English (South Africa)
es Spanish
es_AR Spanish (Argentina)
es_BO Spanish (Bolivia)
es_CL Spanish (Chile)
es_CO Spanish (Colombia)
es_CR Spanish (Costa Rica)
es_DO Spanish (Dominican Republic)
es_EC Spanish (Ecuador)
es_ES Spanish (Spain)
es_ES_EURO Spanish (Spain,Euro)
es_GT Spanish (Guatemala)
es_HN Spanish (Honduras)
es_MX Spanish (Mexico)
es_NI Spanish (Nicaragua)
es_PA Spanish (Panama)
es_PE Spanish (Peru)
es_PR Spanish (Puerto Rico)
es_PY Spanish (Paraguay)
es_SV Spanish (El Salvador)
es_UY Spanish (Uruguay)
es_VE Spanish (Venezuela)
et Estonian
et_EE Estonian (Estonia)
fi Finnish
fi_FI Finnish (Finland)
fi_FI_EURO Finnish (Finland,Euro)
fr French
fr_BE French (Belgium)
fr_BE_EURO French (Belgium,Euro)
fr_CA French (Canada)
fr_CH French (Switzerland)
fr_FR French (France)
fr_FR_EURO French (France,Euro)
fr_LU French (Luxembourg)
fr_LU_EURO French (Luxembourg,Euro)
hr Croatian
hr_HR Croatian (Croatia)
hu Hungarian
hu_HU Hungarian (Hungary)
is Icelandic
is_IS Icelandic (Iceland)
it Italian
it_CH Italian (Switzerland)
it_IT Italian (Italy)
it_IT_EURO Italian (Italy,Euro)
iw Hebrew
iw_IL Hebrew (Israel)
ja Japanese
ja_JP Japanese (Japan)
ko Korean
ko_KR Korean (South Korea)
lt Lithuanian
lt_LT Lithuanian (Lithuania)
lv Latvian (Lettish)
lv_LV Latvian (Lettish) (Latvia)
mk Macedonian
mk_MK Macedonian (Macedonia)
nl Dutch
nl_BE Dutch (Belgium)
nl_BE_EURO Dutch (Belgium,Euro)
nl_NL Dutch (Netherlands)
nl_NL_EURO Dutch (Netherlands,Euro)
no Norwegian
no_NO Norwegian (Norway)
no_NO_NY Norwegian (Norway,Nynorsk)
pl Polish
pl_PL Polish (Poland)
pt Portuguese
pt_BR Portuguese (Brazil)
pt_PT Portuguese (Portugal)
pt_PT_EURO Portuguese (Portugal,Euro)
ro Romanian
ro_RO Romanian (Romania)
ru Russian
ru_RU Russian (Russia)
sh Serbo-Croatian
sh_YU Serbo-Croatian (Yugoslavia)
sk Slovak
sk_SK Slovak (Slovakia)
sl Slovenian
sl_SI Slovenian (Slovenia)
sq Albanian
sq_AL Albanian (Albania)
sr Serbian
sr_YU Serbian (Yugoslavia)
sv Swedish
sv_SE Swedish (Sweden)
th Thai
th_TH Thai (Thailand)
tr Turkish
tr_TR Turkish (Turkey)
uk Ukrainian
uk_UA Ukrainian (Ukraine)
zh Chinese
zh_CN Chinese (China)
zh_HK Chinese (Hong Kong)
zh_TW Chinese (Taiwan)
======System property========
-- listing properties --
java.runtime.name=Java(TM) 2 Runtime Environment, Stand...
sun.boot.library.path=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
java.vm.version=1.3.0_02
java.vm.vendor=Sun Microsystems Inc.
java.vendor.url=http://java.sun.com/
path.separator=;
java.vm.name=Java HotSpot(TM) Client VM
file.encoding.pkg=sun.io
java.vm.specification.name=Java Virtual Machine Specification
user.dir=D:javasrcchar_test
java.runtime.version=1.3.0_02
java.awt.graphicsenv=sun.awt.Win32GraphicsEnvironment
os.arch=x86
java.io.tmpdir=D:TEMP
line.separator=

java.vm.specification.vendor=Sun Microsystems Inc.
java.awt.fonts=
os.name=Windows 98
java.library.path=C:WINDOWS;.;C:WINDOWSSYSTEM;C:WIN...
java.specification.name=Java Platform API Specification
java.class.version=47.0
os.version=4.90
user.home=C:WINDOWS
user.timezone=Asia/Shanghai
java.awt.printerjob=sun.awt.windows.WPrinterJob
file.encoding=Cp1252
java.specification.version=1.3
user.name=Sicci
java.class.path=d:javaclasses
java.vm.specification.version=1.0
java.home=C:PROGRAM FILESJAVASOFTJRE1.3.0_02
user.language=en
java.specification.vendor=Sun Microsystems Inc.
awt.toolkit=sun.awt.windows.WToolkit
java.vm.info=mixed mode
java.version=1.3.0_02
java.ext.dirs=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
sun.boot.class.path=C:PROGRAM FILESJAVASOFTJRE1.3.0_0...
java.vendor=Sun Microsystems Inc.
file.separator=
java.vendor.url.bug=http://java.sun.com/cgi-bin/bugreport...
sun.cpu.endian=little
sun.io.unicode.encoding=UnicodeLittle
user.region=GB
sun.cpu.isalist=pentium i486 i386

结论:

JVM的缺省编码方式由系统的LOCALE设置确定,所以当设置成相同的LOCALE时,linux和Windows下的缺省编码方式是没有区别的(可以认为cp1252=ISO-8859-1都是一样的西文编码方式,只包含255以下的拉丁字符),因此测试2我只列出了LINUX下LOCALE分别设置成zh_CN和en_US测试结果输出和在WINDOWS下分别按照不同的区域设置试验的输出结果是一样的。

测试程序-2
==========

通过HelloUnicode.java程序,演示说明"Hello world 世界你好"这个字符串(16个字符)在不同缺省系统编码方式下的处理效果。在编码解码的每个步骤之后,都打印出了相应字符串每个字符(charactor)的byte值,short值和所在的UNICODE区间。
linux(J2SE1.3.1) LANG=en_US LC_ALL=en_US Linux(J2SE1.3.1) LANG=zh_CN LC_ALL=zh_CN.GBK
====write hello world to files======
[test 1-1]: with system default encoding=ISO-8859-1
string=Hello world 世界你好 length=20
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='? byte=-54 short=202 LATIN_1_SUPPLEMENT
char[13]='? byte=-64 short=192 LATIN_1_SUPPLEMENT
char[14]='? byte=-67 short=189 LATIN_1_SUPPLEMENT
char[15]='? byte=-25 short=231 LATIN_1_SUPPLEMENT
char[16]='? byte=-60 short=196 LATIN_1_SUPPLEMENT
char[17]='? byte=-29 short=227 LATIN_1_SUPPLEMENT
char[18]='? byte=-70 short=186 LATIN_1_SUPPLEMENT
char[19]='? byte=-61 short=195 LATIN_1_SUPPLEMENT

第1步:在英文编码环境下,虽然屏幕上正确的显示了中文,但实际上它打印的是“半个”汉字,将结果写入第1个文件 hello.orig.html

[test 1-2]: getBytes with platform default encoding and decoding as gb2312:
string=Hello world ???? length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='?' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='?' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='?' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='?' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS

按系统缺省编码重新变成字节流,然后按照GB2312方式解码,这里虽然打印出的是问号(因为在相应环境下系统对于255以上的字符全部用?显示),但从相应的UNICODE MAPPING和SHORT值我们可以知道字符是正确的中文
但下一步的写入第2个文件html.gb2312.html,没有指定编码方式(按系统缺省的ISO-8859-1编码方式),因此从后面的测试2-2读取的结果是真的'?'了

[test 1-3]: convert string to UTF8
string=Hello world 涓栫晫浣犲ソ length=24
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='? byte=-28 short=228 LATIN_1_SUPPLEMENT
char[13]='? byte=-72 short=184 LATIN_1_SUPPLEMENT
char[14]='? byte=-106 short=150 LATIN_1_SUPPLEMENT
char[15]='? byte=-25 short=231 LATIN_1_SUPPLEMENT
char[16]='? byte=-107 short=149 LATIN_1_SUPPLEMENT
char[17]='? byte=-116 short=140 LATIN_1_SUPPLEMENT
char[18]='? byte=-28 short=228 LATIN_1_SUPPLEMENT
char[19]='? byte=-67 short=189 LATIN_1_SUPPLEMENT
char[20]='? byte=-96 short=160 LATIN_1_SUPPLEMENT
char[21]='? byte=-27 short=229 LATIN_1_SUPPLEMENT
char[22]='? byte=-91 short=165 LATIN_1_SUPPLEMENT
char[23]='? byte=-67 short=189 LATIN_1_SUPPLEMENT

第3个试验,将字符流按照UTF8方式编码后,写入第3个测试文件hello.utf8.html,我们可以看到UTF8对英文没有影响,但对于其他文字使用了3字节编码方式,因此比GB2312编码方式的存储要大50%,

====reading and decoding from files======
[test 2-1]: read hello.orig.html: decoding with system default encoding
string=Hello world 世界你好 length=20
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='? byte=-54 short=202 LATIN_1_SUPPLEMENT
char[13]='? byte=-64 short=192 LATIN_1_SUPPLEMENT
char[14]='? byte=-67 short=189 LATIN_1_SUPPLEMENT
char[15]='? byte=-25 short=231 LATIN_1_SUPPLEMENT
char[16]='? byte=-60 short=196 LATIN_1_SUPPLEMENT
char[17]='? byte=-29 short=227 LATIN_1_SUPPLEMENT
char[18]='? byte=-70 short=186 LATIN_1_SUPPLEMENT
char[19]='? byte=-61 short=195 LATIN_1_SUPPLEMENT

按系统从中间存储hello.orig.html文件中读取相应文件,虽然是半个字读取的,但由于能完整的还原,因此输出显示没有错误。
其实PHP等应用很少出现字符集问题其实就是这个原因,全程都是按字节流方式处理,很好的还原了输入,但同时也失去了对字符的控制

[test 2-2]: read hello.gb2312.html: decoding as GB2312
string=Hello world ???? length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='?' byte=63 short=63 BASIC_LATIN
char[13]='?' byte=63 short=63 BASIC_LATIN
char[14]='?' byte=63 short=63 BASIC_LATIN
char[15]='?' byte=63 short=63 BASIC_LATIN

这个'?'真的是问号char(63)了,很多数据就是这样没救了,

[test 2-3]: read hello.utf8.html: decoding as UTF8
string=Hello world ???? length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='?' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='?' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='?' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='?' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS

great! 字符虽然显示为'?',但实际上字符的解码是正确的,从相应的UNICODE MAPPING就可以看的出来。
====write hello world to files======
[test 1-1]: with system default encoding=GBK
string=Hello world 世界你好 length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='世' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='界' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='你' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='好' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS

注意:在一个新的LOCALE下需要将源程序重新编译,最早的字节流到字符流的解码过程从JAVAC就开始了

[test 1-2]: getBytes with platform default encoding and decoding as gb2312:
string=Hello world 世界你好 length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='世' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='界' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='你' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='好' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS

在中文环境下,和上面缺省的编码解码结果是一致的

[test 1-3]: convert string to UTF8
string=Hello world 涓栫晫浣犲ソ length=18
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='涓' byte=-109 short=28051 CJK_UNIFIED_IDEOGRAPHS
char[13]='栫' byte=43 short=26667 CJK_UNIFIED_IDEOGRAPHS
char[14]='晫' byte=107 short=26219 CJK_UNIFIED_IDEOGRAPHS
char[15]='浣' byte=99 short=28003 CJK_UNIFIED_IDEOGRAPHS
char[16]='犲' byte=-78 short=29362 CJK_UNIFIED_IDEOGRAPHS
char[17]='ソ' byte=-67 short=12477 KATAKANA


====reading and decoding from files======
[test 2-1]: read hello.orig.html: decoding with system default encoding
string=Hello world 世界你好 length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='世' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='界' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='你' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='好' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS


[test 2-2]: read hello.gb2312.html: decoding as GB2312
string=Hello world 世界你好 length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='世' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='界' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='你' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='好' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS


[test 2-3]: read hello.utf8.html: decoding as UTF8
string=Hello world 世界你好 length=16
char[0]='H' byte=72 short=72 BASIC_LATIN
char[1]='e' byte=101 short=101 BASIC_LATIN
char[2]='l' byte=108 short=108 BASIC_LATIN
char[3]='l' byte=108 short=108 BASIC_LATIN
char[4]='o' byte=111 short=111 BASIC_LATIN
char[5]=' ' byte=32 short=32 BASIC_LATIN
char[6]='w' byte=119 short=119 BASIC_LATIN
char[7]='o' byte=111 short=111 BASIC_LATIN
char[8]='r' byte=114 short=114 BASIC_LATIN
char[9]='l' byte=108 short=108 BASIC_LATIN
char[10]='d' byte=100 short=100 BASIC_LATIN
char[11]=' ' byte=32 short=32 BASIC_LATIN
char[12]='世' byte=22 short=19990 CJK_UNIFIED_IDEOGRAPHS
char[13]='界' byte=76 short=30028 CJK_UNIFIED_IDEOGRAPHS
char[14]='你' byte=96 short=20320 CJK_UNIFIED_IDEOGRAPHS
char[15]='好' byte=125 short=22909 CJK_UNIFIED_IDEOGRAPHS

UNICODE方式的存储几乎可以不受环境字符集设置的影响
 

试验2的一些结论:

1. 所有的应用都是按照字节流=>字符流=>字节流方式进行的处理的:
byte_stream ==(input decoding)==> char_stream ==output(encoding)==> byte_stream;
2. 在JAVA字节流到字符流(或者反之)都是含有隐含的解码处理的(缺省是按照系统缺省编码方式);
3. 最早的字节流解码过程从javac的代码编译就开始了;
4. JAVA中的字符character存储单位是双字节的UNICODE;

结论:

过以上2个JAVA试验程序得出的一些结论:

* JAVA环境是基于操作系统上的一个虚拟机应用,因此,如果操作系统遵循国际化规范:JVM的缺省编码方式可以通过修改操作系统的LOCALE设置实现。对于一个JAVA应用来说,只要将LINUX的缺省编码方式设置成GBK,其文字编码处理应该和中文Windows平台上的表现是一致的。
redhat 6.X使用linux内核的是基于glibc2.1.X,不支持中文LOCALE,因此无法通过改变LOCALE设置改变JVM的缺省编码方式,linux内核2.4开始基于glibc.2.2.x,对中文LOCALE有了比较好的支持。
* 不同的JVM对字符集的支持程度不同:
比如:IBM的JVM1.3.0开始支持GB18030,SUN的JVM从1.4开始支持GB18030
* 正确的编码方式不一定表示能正确的显示,正确的显示还要需要相应的前端显示系统(字库)的支持
但对于linux上的服务应用来说,往往只要能确认字符正确的按照指定的方式编码就够了,毕竟客户端的主要是
* 如果应用的是基于UNICODE的编码方式处理并使用UTF8字符集做集中存储,

根据以上结论,设计一个适应多语言环境的应用,可以考虑一下2个应用处理模式:

* (客户端应用或本地化应用)根据LOCALE,让JAVA应用按照系统LOCALE的缺省的字符集设置进行处理,减少应用在编码处理上的复杂程度

输入 输出
/
根据LOCALE解码/编码
|
处理/存储

* (服务器端或跨语言平台应用):在应用的最外端:数据输入输出判断用户语言环境,核心按照UNICODE方式处理存储。可以把各种区域性的字符集(GB2312 BIG5)看成是UNICODE的一个子集。UNICODE存储的数据可以方便的转换成任意字符集。
应用使用UTF8方式存储虽然要增加了存储空间,但也可以大大简化前端应用本地化(i10n)的复杂程度。

中文输入 日文输入 中文输出 日文输出
/ /
判断用户语言环境:解码 判断用户语言环境:编码
/
中间处理过程:UNICODE
|
UTF8编码存储

参考文档:
Java的国际化设计
http://java.sun.com/docs/books/tutorial/i18n/index.html

linux 国际化本地化和中文化
http://www.linuxforum.net/doc/i18n-new.html

linux 程序员必读:中文化与GB18030标准
http://www.ccidnet.com/tech/os/2001/07/31/58_2811.html

Unicode FAQ
http://www.cl.cam.ac.uk/~mgk25/unicode.html
http://www.linuxforum.net/books/UTF-8-Unicode.html (中文版)

Java 编程技术中汉字问题的分析及解决
http://www-900.ibm.com/developerWorks/java/java_chinese/index.shtml

汉字的编码方式:
http://www.unihan.com.cn/cjk/ana17.htm

不同版本的JVM支持的编码方式
http://java.sun.com/j2se/1.3/docs/guide/intl/encoding.doc.html
http://java.sun.com/j2se/1.4/docs/guide/intl/encoding.doc.html

 

<<返回