jaimee88qh06i@outlook.com

原文翻譯推薦很多人用 Java 處理到中文資料時，常會呈現亂碼翻譯關於 Java 和中文兼容性的問題，其實讓很多法式員為此傷透腦筋，相關的問題每隔幾天就會出現在收集上。為了舒緩您緊蹙的眉頭，華頓翻譯公司出格寫了這系列文章，說明註解 Java 牽涉到文字時的內部處置體式格局，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。本文貴在道理講解，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，請你注意下面這幾點，說不定問題能即速迎刃而解：

1.          檢查操作系統設定：先查抄你的操作系統，確定國籍說話資料是「Traditional Chinese（Taiwan）」。國籍說話資料的設定會影響 Java 編譯器與JRE的判定翻譯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 說不定已解決翻譯公司原本的問題。請注意：某些 Java IDE 所用的編譯器和 JRE 是不兼容於中文的（我遇過如許的景遇），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 驅動程序試試看翻譯

若是照樣沒法解決，請具體閱讀下面各末節的內容，細心推敲你的錯誤地點翻譯

Unicode、UTF-16、UTF-8

Java 內部處置懲罰字符利用的字序體例是 Unicode，這是一種通行全球的編碼方式。Unicode 因為必須將中、韓、日、英、法、阿拉伯……等很多國度所使用的文字都納入，目前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。因為 Unicode 利用了 16 位編碼，所以每個字符都用 16 位來儲存或傳輸是很自然的事，這類貯存或傳輸的花樣稱為 UTF-16（是否是很像戰役機的名字）翻譯假如你使用到的字符都是西方字符，那麼你必然不會想用 UTF-16 的花樣，因為體積比 8 位的 Latin-1（一種擴充 ASCII 的編碼）多了一倍翻譯所以 Unicode 還有一種貯存或傳輸的花樣，叫做 UTF-8。UTF-8 的花式在編碼英文時，只需要 8 位，但是中文則是 24 位，所以中文字出現比例高的處所還是使用 UTF-16 比較節約空間。Java 的 Class File（也就是 bytecode）中有一字段叫做常數區（Constant Pool），一律利用 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 出書）。關於 Java Class File 的格局與 Constant Pool，請查閱「Java Virtual Machine」一書（O'Reilly出書）。

Unicode 與繁體中文編碼的互轉

固然 Java 內部完全地利用 Unicode，但是你所使用的操作系統可不見得翻譯以繁體中文版的 Windows 98 來講，預設的編碼方式是 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 的轉碼系統馬上先把字符串編碼由 MS950 轉成 Unicode，才能進行處理。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。

想知道你的 JDK 或 JRE 會用什麼樣的編碼方式來和操作系統溝通，請履行下面的 Java 法式：

public class ShowNativeEncoding {

       public static void main(String[] args) {

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

       System.out.println(enc);

}

}

若是履行成績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。

· CNS11643：台灣的官方標準繁體中文編碼。

· 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 用的編碼方式翻譯

· EUC_TW：台灣的增強版 Unicode。

· ISO2022CN：編碼中文的一套標準。

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

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

· Unicode：有次序記號的 Unicode。次序記號佔用兩個 byte，假如其值是0xFEFF，透露表現利用 big-endian（由大到小）的次序為 Unicode 編碼；如果其值是 0xFFFF，透露表現利用 little-endian（由小到大）的順序為 Unicode 編碼翻譯

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

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

· UTF8：使用 UTF-8 為 Unicode 編碼翻譯

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

編譯時的注意事項

編譯的時辰，若是翻譯公司不申明原始文件編碼體例的話， javac 編譯器在讀進此原始法式文件，入手下手編譯之前，會先去詢問操作系統檔案預設的編碼體式格局為何。以繁體中文 Windows 98 來說，javac 會先詢問 Windows 98，得知檔案是用 MS950 的體式格局編碼。然後就可以將檔案由 MS950 轉成 Unicode 編碼方式，開始進行編譯翻譯

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毛病，會造成 javac 編譯器獲得的編碼信息是錯的。

2.           較低劣的編譯器可能沒有自動扣問操作系統的編碼方式，而是採用編譯器預設的編碼體式格局翻譯

3.           如果原始法式不是用編譯當時操作系統預設的編碼方式存盤的，也會造成錯誤。譬喻說，原始程序文件是台灣法式員寫的，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）。

這類因為原始法式文件編碼體例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出現亂碼或出現 Error/Exception，重則沒法成功編譯。這時候候，你需要自動透過「-encoding」選項來指定原始程序的編碼方式，編譯器會以翻譯公司指定的編碼為主，不會再去扣問操作系統。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

若是你手上只有某 class 文件，沒有原始法式文件，並且翻譯公司確定其 constant pool 的UTF-8 字段編碼毛病，你有兩種方式可以用來批改編碼：

1.          先反編譯，獲得原始法式，再點竄，編譯翻譯

2.            或直接哄騙 bytecode 編纂軟件，直接點竄 class 文件。


I/O 轉碼
Java 現行的 IO 一律使用 Stream 的體式格局，相關的類別都放在 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，輸出文字的資料利用 Writer 的子類別，輸入文字的資料利用 Reader 的子種別翻譯

你可能會感覺很希奇：「有必要用不同的體例來處置文字和 binary 嗎？文字資料不也是 binary 的一種？」沒錯，其實他們極度近似，最大的差別在於，InputStream/OutputStream 會原封不動地傳送資料，但是 Reader/Writer 會將資料看成文字看待，所以 Reader/Writer 在「需要時」會把（文字）資料轉碼。什麼時辰才是所謂的「必要時」呢？

Java 的 Stream（包孕 Reader 和 Writer）是可以互相串接的。當 Reader 的資料起原是另外一個 Reader 時，不轉碼，當 Reader 的資料來曆是一個 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發生在 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，恰是用來指定轉碼的體式格局翻譯

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 的編碼方式轉成 enc（因為資料要從「內部」送給「外部」）。JRE 內部固然都必然是用 Unicode 編碼，而外部的編碼就紛歧定，要看那時的情況為何翻譯你可以透過 getEncoding() 的 method，來得知 InputStreamReader 與 OutputStreamWriter 的編碼體式格局翻譯

請注意：即使翻譯公司沒用到 InputStreamReader 與 OutputStreamWriter，只有效到其它的 Reader 和 Writer，可是這些 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 內部實際上是透過一個 InputStreamReader 的中介來將資料從 FileInputStream 取過來的，此時 InputStreamReader 的轉碼體式格局是採用 OS 的文字編碼（以繁體中文的 Windows 為例，就是「MS950」）轉成 Unicode。

假如翻譯公司清楚地知道你要讀寫的檔案（或資料起原 / 去向）是採用某種編碼體例，你也能夠主動指定編碼體式格局。然則，請記得抓取可能導致的 UnsupportedEncodingException，並務必處置之，不成對此破例置之度外，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）。

檔案 I/O 轉碼
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文件，翻譯公司就必須自動指定編碼，不行以直接用 FileReader，不然沒法成功讀取翻譯方式如下：

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。

收集 I/O 轉碼
若是你的收集法式採用 TCP，那麼你可以透過 Socket 種別所提供的 getInputStream() 和 getOutputStream() 來獲得 InputStream 和 OutputStream 對象翻譯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 TCP 收集串流，翻譯公司可以用雷同上面的技巧來轉碼。方法如下：

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

假如你的網絡法式採用 UDP，你必需把中文字符串轉成（或轉自）byte 數組。請看下一節「 字符串和 byte 數組的轉碼 」。

若是翻譯公司的收集程序採用 RMI，那翻譯公司完全不用為這部份的轉碼費心，字符串直接用 Unicode 在收集上傳遞給另外一個 JRE，不需要轉碼。

連結刑案現場
假如你不知道你的 I/O 資料來源或行止是用何種編碼體例，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，不如連結資料的完全不變，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，固然就必然是用 Unicode 編碼。如果你需要將 String 對像和 byte 數組互轉，你可使用：

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

          或

String(byte[] bytes翻譯社 String enc);

來將用 enc 編碼的 byte 數組，轉成 Unicode 的 String 對象翻譯翻譯公司也能夠使用 String 對像所供給的：

byte[] getBytes(String enc)

來將 String 對像轉成 byte 數組。

別的，你也能夠透過 ByteArrayInputStream 或 ByteArrayOutputStream 串接到 InputStreamReader 或 OutputStreamWriter，來到達轉碼的目的。


本篇文章引用自此: https://blog.xuite.net/evan_0412/wretch/169912286-JAVA%E4%BA%82%E7%A2%BC%E5%95%8F%E9%A1%8C%EF%BC%88%有關各國語文翻譯公證的問題歡迎諮詢華頓翻譯公司02-77260932