[JavaMail]10详解字符编码和MimeUtilityURLDecoderURLEncoder

个人收集整理-ZQJavaMail10详解字符编码和MimeUtilityURLDecoderURLEncoder一、邮件中的编码. 的中的都是只能存放码的，当邮件中有非时，例如邮件的主题是中文时，我们可以把邮件的中文主题以（当然也可以使用其它编码，如）规则来进行编码，并以指定格式的字符串来表示。b5E2R。b5E2R。若邮件的主题是“中”，我们想用编码。那么“中”字的的编码是，就用特定格式的码来表示主题“中”，则是：: （这个是规范的格式）。p1Ean。p1Ean。的中的也是只能存放码的，例如邮件的有一个附件的文件名是中文时，我们可以把附件名进行编码，并以指定格式的字符串来表示，注意差别是这时候的字符串格式和前面不同。格式：（这个是规范的格式）。DXDiT。DXDiT。为什么在使用一个邮件中使用两种格式，就不得而知了，可能是方便下载附件吧。二、的编码和解码、编码规则? ? ? ：字符编码： 最常用的 有 和 两种。在对二进制文件或者中文文本进行转化时， 得到的“字节串”比 更短。在对英文文本进行转化时， 得到的“字节串”比 更短。RTCrp。RTCrp。例: : 例: : 、 这是一个工具类，提供各种相关的功能。该类有一组根据规范来对头进行编码和解码的方法。请注意，在一般情况下，这些方法并不需要被使用，如和时。使用这些“高层次”方法时会自动编码和解码。这些方法只有在使用及方法操作头时才需要被使用。5PCzV。5PCzV。 规定邮件头只能包含字符。当包含有非字符的邮件头必须进行编码以使邮件头只包含字符。基本上，这个过程涉及使用或规则来编码某些字符。 中详细说明了这一点。jLBHr。jLBHr。在中是为字符。是的一个子集（占用范围 ）。一个只包含字符的是邮件安全的。若含有非字符则必须进行编码。此步骤增加了一个额外的复杂性，是因为还不是一种广泛使用的字符集，有人可能首先想到把的字符集编码转换成其它一种字符集编码，然后来进行传输。请注意，要获得邮件安全字符串的实际字节（例如，通过发送），必须做的是：xHAQX。xHAQX。 ();假设、的和方法给赋的值是一个只包含字符的字符串。那么这些方法的调用者必须确保他们传递的值不包含非字符。这个类的方法帮忙做这些事情。LDAYt。LDAYt。、的方法获取的值时。这些值是按 规范编码的，那么就必须解码为编码。这个类的方法帮忙做这些事情。几个系统属性严格控制规范的一致性。请注意，这些都不是的属性，但必须设置为全局系统属性。属性控制编码字符的解码。规范要求，编码字符必须以一个空白分隔符为开始。一些邮件错误的包含了编码字符在一个词的中间。如果系统属性设置为，系统就会企图解码这些非法的编码字符。默认值是。Zzz6Z。Zzz6Z。属性控制非”类型的 的的选择。如果在的系统属性设置为“”，必要时将使用这种编码。默认值是。系统属性用来指定默认的字符集。通常情况下，默认的字符集是来自默认的字符集，在系统属性中指定。大多数应用程序将有没有必要明确地设置默认的字符集。邮件使用的默认的字符集是不同于存放在系统中文件的字符集。dvzfv。dvzfv。属性用来控制头中未知值，当递给解码方法，会导致异常。如果设置为“”，未知的值被忽略和被假设为编码。否则，未知值会导致以抛出异常。rqyn1。rqyn1。静态方法.解码 ( , ) . ( ) , , * .解码根据定义为*的“非结构化”头。这个字符串使用中第章中指定的算法解码方式。如果字符集转换失败，则抛出一个例外。如果不是 编码格式的头，则原样返回。Emxvx。Emxvx。 ( ) .使用 和 规则对一个编码字符串进行解码。如果解析失败，则抛出一个例外。否则，就传输解码，然后把编码转换成字符。如果字符集转换失败，则抛出一个例外。SixE2。SixE2。.编码 (, ) . (, , ) . ( ) . ( , , ) . ( ) . ( , , ) .获取类型 ( ) () . () , .获取系统字符集编码 () . ( ) . ( ) . ( , ) , .三、的编码和解码、编码规则：字符编码：语言：编码后的字符串例编码用单引号分成了三段，分别是字符集()、语言(空)和过的文件名、和 格式解码的实用工具类。该类包含了方法( , )可以将一个字符串从 格式中解码。假定已编码的字符串中只能是以下字符： 到 、 到 、 到 和 、. 以及 *。允许有 字符，但是将它解释为特殊转义序列的开始。如：。6ewMy。6ewMy。转换中使用以下规则：.字母数字字符 到 、 到 和 到 保持不变。.特殊字符 .、* 和 保持不变。.加号 转换为空格字符 。.将把 格式序列视为一个字节，其中为 位的两位十六进制表示形式（是进制数，其中的一位表示一个）。然后，所有连续包含一个或多个这些字节序列的子字符串，将被其编码可生成这些连续字节的字符所代替。可以指定对这些字符进行解码的编码机制，或者如果未指定的话，则使用平台的默认编码机制。kavU4。kavU4。该解码器处理非法字符串有两种可能的方法。一种方法是不管该非法字符，另一种方法是抛出异常。解码器具体采用哪种方法取决于具体实现。y6v3A。y6v3A。 ( , ) 使用指定的编码机制对 字符串解码。例子： ” ”;是“中”字的编码的 表示方式。(, );则指定用编码来进行解码。例子： ;(, );是“中”字的编码的 表示方式。则指定用编码来进行解码。 该转换过程正好与类使用的过程相反。 ( , ) 使用指定的编码机制将字符串转换为格式。、特殊符号的编码和解码.空格空格在邮件中存储或者在网页的中则是。空格用(“,”);来进行编码是会被转换为”。而在解码时和都被解码为空格。M2ub6。M2ub6。在邮件中存储仍然是。那么对含有的字符串进行解码时就会把解码为空格，这样就和事实不符了。在邮件中存储仍然是。编码和解码没有问题。四、字符编码字符编码是计算机技术的基石，想要熟练使用计算机，就必须懂得字符编码的知识。不注意的人可能对这个不在意，但这些名词有时候实在让人迷惑，对想学习计算机知识的人来说，搞懂它也十分重要，我也是在学习中慢慢了解了一些这方面的知识。0YujC。0YujC。一、码和非码. 码在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（）有和两种状态，因此八个二进制位就可以组合出种状态，这被称为一个字节（）。也就是说，一个字节一共可以用来表示种不同的状态，每一个状态对应一个符号，就是个符号，从到。eUts8。eUts8。上个世纪年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为码，一直沿用至今。sQsAE。sQsAE。码一共规定了个字符的编码，比如空格“”是（十进制的，用二进制表示就是），大写的字母是（二进制）。这个符号（包括个不能打印出来的控制符号），只占用了一个字节的后面位，最前面的位统一规定为。具体的可以到这个网页上去查下： GMsIa。GMsIa。、非编码英语用个符号编码就够了，但是用来表示其他语言，个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的的编码为（二进制）。这样一来，这些欧洲国家使用的编码体系，可以表示最多个符号。TIrRG。TIrRG。但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用个符号的编码方式，代表的字母却不一样。比如，在法语编码中代表了，在希伯来语编码中却代表了字母 ()，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，表示的符号是一样的，不一样的只是的这一段。7EqZc。7EqZc。至于亚洲国家的文字，使用的符号就更多了，汉字就多达万左右。一个字节只能表示种符号，肯定是不够的，就必须使用多个字节表达一个符号。比如，简体中文常见的编码方式是，使用两个字节表示一个汉字，所以理论上最多可以表示个符号。lzq7I。lzq7I。一、和正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。解释：同一个文本文件，假设内容是用英语写的，在英语编码的情况下，每个字符会和一个二进制数对应（如类似），然后存到计算机中，这时把这个英语文件发给一个俄语国家的用户，计算机传输的是二进制流，即之类的数据，到了俄语用户这方，需要有它的俄语编码方式进行解码，把每个二进制流转为字符显示，由于俄语编码表中对每串二进制流数据的解释方式不同，同一个数据如在英语中可能代表，而在俄语中则代表，这样就会产生乱码，这是我个人的理解。zvpge。zvpge。编码、日文编码等也是非编码，是要通过转换表（）转换成编码的，要不怎么显示出来呢？可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是，就像它的名字都表示的，这是一种所有符号的编码。NrpoJ。NrpoJ。当然是一个很大的集合，现在的规模可以容纳多万个符号。每个符号的编码都不一样，比如，表示阿拉伯字母，表示英语的大写字母，表示汉字“严”。具体的符号对应表，可以查询，或者专门的汉字对应表。1nowf。1nowf。. 的问题需要注意的是，只是一个符号集，只是一种规范、标准，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储在计算机上。fjnFL。fjnFL。比如，汉字“严”的是十六进制数，转换成二进制数足足有位（），也就是说这个符号的表示至少需要个字节。表示其他更大的符号，可能需要个字节或者个字节，甚至更多。tfnNh。tfnNh。这里就有两个严重的问题，第一个问题是，如何才能区别和？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。HbmVN。HbmVN。它们造成的结果是：）出现了的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示。）在很长一段时间内无法推广，直到互联网的出现。V7l4j。V7l4j。互联网的普及，强烈要求出现一种统一的编码方式。就是在互联网上使用最广的一种的实现方式。其他实现方式还包括和，不过在互联网上基本不用。重复一遍，这里的关系是，是的实现方式之一，它规定了字符如何在计算机中存储、传输等。83lcP。83lcP。最大的一个特点，就是它是一种变长的编码方式。它可以使用个字节表示一个符号，根据不同的符号而变化字节长度。mZkkl。mZkkl。的编码规则很简单，只有二条：）对于单字节的符号，字节的第一位设为，后面位为这个符号的码。因此对于英语字母，编码和码是相同的。）对于字节的符号（），第一个字节的前位都设为，第位设为，后面字节的前两位一律设为。剩下的没有提及的二进制位，全部为这个符号的码。AVktR。AVktR。下表总结了编码规则，字母表示可用编码的位。符号范围编码方式 (十六进制)（二进制） 下面，还是以汉字“严”为例，演示如何实现编码。已知“严”的是（），根据上表，可以发现处在第三行的范围内（ ），因此“严”的编码需要三个字节，即格式是“ ”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的，多出的位补。这样就得到了，“严”的编码是“ ”，这是保存在计算机中的实际数据，转换成十六进制就是，转成十六进制的目的为了便于阅读。ORjBn。ORjBn。. 与之间的转换通过上一节的例子，可以看到“严”的码是，编码是，两者是不一样的。它们之间的转换可以通过程序实现。在平台下，有一个最简单的转化方法，就是使用内置的记事本小程序。打开文件后，点击“文件”菜单中的“另存为”命令，会跳出一个对话框，在最底部有一个“编码”的下拉条。2MiJT。2MiJT。里面有四个选项：， 和 。）是默认的编码方式。对于英文文件是编码，对于简体中文文件是编码（只针对简体中文版，如果是繁体中文版会采用码）。gIiSp。gIiSp。）编码指的是编码方式，即直接用两个字节存入字符的码。这个选项用的 格式。） 编码与上一个选项相对应。我在下一节会解释 和 的涵义。）编码，也就是上一节谈到的编码方法。选择完”编码方式“后，点击”保存“按钮，文件的编码方式就立刻转换好了。. 和 上一节已经提到，码可以采用格式直接存储。以汉字”严“为例，码是，需要用两个字节存储，一个字节是，另一个字节是。存储的时候，在前，在后，就是 方式；在前，在后，就是 方式。uEh0U。uEh0U。那么很自然的，就会出现一个问题：计算机怎么知道某一个文件到底采用哪一种方式编码？规范中定义，每一个文件的最前面分别加入一个表示编码顺序的字符，这个字符的名字叫做”零宽度非换行空格“（ ），用表示。这正好是两个字节，而且比大。IAg9q。IAg9q。如果一个文本文件的头两个字节是 ，就表示该文件采用大头方式；如果头两个字节是 ，就表示该文件采用小头方式。WwghW。WwghW。. 实例下面，举一个实例。打开”记事本“程序，新建一个文本文件，内容就是一个”严“字，依次采用， 和 编码方式保存。然后，用文本编辑软件中的”十六进制功能“，观察该文件的内部编码方式。）：文件的编码就是两个字节“ ”，这正是“严”的编码，这也暗示是采用大头方式存储的。）：编码是四个字节“ ”，其中“ ”表明是小头方式存储，真正的编码是。） ：编码是四个字节“ ”，其中“ ”表明是大头方式存储。）：编码是六个字节“ ”，前三个字节“ ”表示这是编码，后三个“”就是“严”的具体编码，它的存储顺序与编码顺序是一致的。asfps。asfps。.解决的问题：一、如何在中文系统中运行非编码程序？有很多意大利文版（除英文版）学习软件、百科全书等软件在中文系统上会出现乱码，解决方法：内核是编码，支持多语种，对于编码的应用程序会正常显示原文（因为核心是用代码写的，所以不存在问题），但是，很多程序不是用编码写的，这时系统可以指定以特定的编码运行非编码程序，中文版默认的是“简体中文”。你只需在控制面板区域和语言选项高级为非程序的语言选择“意大利语”，即可正确运行意大利文版的游戏程序。分析：我理解的流程是这样：程序意大利语编码（转换表）解释成识别的编码（通过指定的转换表将非 的字符编码转换为同一字符对应的系统内部使用的 编码）被系统翻译成意大利文（因为每个编码对应了相应的意大利文字），便可以正常显示了。ooeyY。ooeyY。三、编码是单字节编码，向下兼容，其编码范围是，之间完全和一致，之间是控制字符，之间是文字符号。收录的字符除收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。欧元符号出现的比较晚，没有被收录在当中。BkeGu。BkeGu。因为编码范围使用了单字节内的所有空间，在支持的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之，把其他任何编码的字节流当作编码看待都没有问题。这是个很重要的特性，数据库默认编码是就是利用了这个特性。编码是一个位的容器，编码是一个位的容器。PgdO0。PgdO0。是的别名，有些环境下写作。三、和码是中华人民共和国国家汉字信息交换用编码，全称信息交换用汉字编码字符集基本集，由国家标准总局发布，年月日实施，通行于大陆。新加坡等地也使用此编码。基本集共收入汉字个和非汉字图形字符个，通行于中国大陆。新加坡等地也使用此编码。3cdXw。3cdXw。即汉字内码扩展规范，为扩展的汉语拼音中“扩”字的声母。英文全称 。编码标准兼容，共收录汉字个、符号个，并提供个造字码位，简、繁体字融于一库。h8c52。h8c52。 全称：国家标准信息技术通用多八位编码字符集（）第一部分：体系结构与基本多