java什么是國(guó)際化

java什么是國(guó)際化

　　我們知道Unicode為國(guó)際化(I18n)提供了堅(jiān)實(shí)的基礎(chǔ)。但是Unicode不等同于國(guó)際化。使用Unicode的Java語(yǔ)言，若是使用不當(dāng)，同樣達(dá)不到國(guó)際化的目的。讓我們來(lái)看一下Java是怎樣處理Unicode的。

　　Java的字符類型

　　和C語(yǔ)言不同，Java的字符類型“char”是一個(gè)16位長(zhǎng)的整數(shù)，而C語(yǔ)言的char是8位，等同于一個(gè)字節(jié)，只能表示單字節(jié)的字符(拉丁語(yǔ)系文字)。所以Java可以直接用一個(gè)char來(lái)表示一個(gè)Unicode字符(包括中文、英文、日文……)，大大簡(jiǎn)化了字符和字符串的操作。

　　因?yàn)镴ava字符總是Unicode字符，所以在后文中，如果不加說(shuō)明，“字符”或“char”都是指16位的Unicode字符，而“字節(jié)”或“byte”都是指8位字節(jié)。

　　編碼(encoding)

　　然而，當(dāng)今多數(shù)計(jì)算機(jī)系統(tǒng)，都是以字節(jié)為存儲(chǔ)運(yùn)算的基本單元。這就使得在Java中，用Unicode表示的字符串無(wú)法直接寫(xiě)到文件中或保存到數(shù)據(jù)庫(kù)中。必須以某一種方式，將字符串轉(zhuǎn)換成便于傳輸和存儲(chǔ)的字節(jié)流才行。這種將Unicode字符轉(zhuǎn)換成字節(jié)的操作，就叫做“字符編碼”(encoding)。

　　前面說(shuō)過(guò)Unicode有兩種字節(jié)表示法：UTF-8和UTF-16。所以將Unicode以UTF-8和UTF-16編碼是最直接和自然的事了。以上面的“我愛(ài)Alibabaあいう”為例，用Big-endian(高位字節(jié)在前，低位字節(jié)在后)的UTF-16編碼，可以表示成：

　　我們也可以把同樣的字符串轉(zhuǎn)換成UTF-8。UTF-8是變長(zhǎng)的編碼，對(duì)于ASCII碼字符，不需要改變，就已經(jīng)是UTF-8了，但一個(gè)中文要用三個(gè)字節(jié)來(lái)表示：

　　使用UTF-16或UTF-8編碼的數(shù)據(jù)，必須使用支持Unicode的軟件來(lái)處理，例如支持Unicode的文本編輯器。目前存在的大量軟件，不一定都支持Unicode。因此我們往往將Unicode轉(zhuǎn)換成某一種本地字符集，例如：

　　英文可轉(zhuǎn)換成ISO-8859-1。

　　中文可轉(zhuǎn)換成GB2312、GBK、BIG5或是GB18030等。

　　日文可以轉(zhuǎn)換成SJIS或ISO-2022-JP等。

　　韓文可以轉(zhuǎn)換成ISO-2022-KR等。

　　本地字符集名目之多，無(wú)法全部列舉。最重要是，大多數(shù)字符集只映射到Unicode中的部分字符，且字符集之間互相交錯(cuò)，互不兼容。

　　那么，如果在將Unicode轉(zhuǎn)換到某一本地字符集時(shí)，發(fā)現(xiàn)這一編碼字符集不包含這個(gè)字符，怎么辦呢?例如：“我愛(ài)Alibaba”這個(gè)字符串(簡(jiǎn)體中文)，如果轉(zhuǎn)換成繁體中文的BIG5編碼，就會(huì)變成：“我?Alibaba”。原來(lái)，Unicode規(guī)定，轉(zhuǎn)換時(shí)碰到“看不懂”的字符，一律用“?(0x3F)”表示。

　　這就解釋了一種常見(jiàn)的“亂碼”情形：好端端的頁(yè)面，顯示在瀏覽器上卻變成了無(wú)數(shù)個(gè)問(wèn)號(hào)。原因就是Java在輸出網(wǎng)頁(yè)時(shí)，使用了錯(cuò)誤的編碼方式。