Java用native2ascii命令做unicode编码转换

时间:2022-07-12 11:36:18
背景:在做Java开发的时候,常常会出现一些乱码,或者无法正确识别或读取的文件,比如常见的validator验证用的消息资源(properties)文件就需要进行Unicode重新编码。原因是java默认的编码方式为Unicode,而我们的计算机系统编码常常是GBK等编码。需要将系统的编码转换为java正确识别的编码问题就解决了。

  1、native2ascii简介:native2ascii是sun java sdk提供的一个工具。用来将别的文本类文件(比如*.txt,*.ini,*.properties,*.java等等)编码转为Unicode编码。为什么要进行转码,原因在于程序的国际化。Unicode编码的定义:Unicode(统一码、万国码、单一码)是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码,以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发,1994年正式公布。随着计算机工作能力的增强,Unicode也在面世以来的十多年里得到普及。(声明:Unicode编码定义来自互联网)。

  2、获取native2ascii:安装了jdk后,假如你是在windows上安装,那么在jdk的安装目录下,会有一个bin目录,其中native2ascii.exe正是。

  3、native2ascii的命令行的命名格式:

  native2ascii -[options] [inputfile [outputfile]]

  说明:

  -[options]:表示命令开关,有两个选项可供选择

  -reverse:将Unicode编码转为本地或者指定编码,不指定编码情况下,将转为本地编码。

  -encoding encoding_name:转换为指定编码,encoding_name为编码名称。

  -[inputfile [outputfile]]

  inputfile:表示输入文件全名。

  outputfile:输出文件名。如果缺少此参数,将输出到控制台。

  4、最佳实践:首先将JDK的bin目录加入系统变量path。在盘下建立一个test目录,在test目录里建立一个zh.txt文件,文件内容为:“熔岩”,打开“命令行提示符”,并进入C:\test目录下。下面就可以按照说明一步一步来操作,注意观察其中编码的变化。

  A:将zh.txt转换为Unicode编码,输出文件到u.txt

  native2ascii zh.txt u.txt

  打开u.txt,内容为“\u7194\u5ca9”。

  B:将zh.txt转换为Unicode编码,输出到控制台

  C:\test>native2ascii zh.txt

  \u7194\u5ca9

  可以看到,控制台输出了“\u7194\u5ca9”。

  C:将zh.txt转换为ISO8859-1编码,输出文件到i.txt

  native2ascii -encoding ISO8859-1 zh.txt i.txt

  打开i.txt文件,内容为“\u00c8\u00db\u00d1\u00d2”。

  D:将u.txt转换为本地编码,输出到文件u_nv.txt

  native2ascii -reverse u.txt u_nv.txt

  打开u_nv.txt文件,内容为“熔岩”。

  E:将u.txt转换为本地编码,输出到控制台

  C:\test>native2ascii -reverse u.txt

  熔岩

  可以看到,控制台输出了“熔岩”。

  F:将i.txt转换为本地编码,输出到i_nv.txt

  native2ascii -reverse i.txt i_nv.txt

  打开i_nv.txt文件,内容为“\u00c8\u00db\u00d1\u00d2”。发现转码前后完全一样的。也就是说,等于没有转,或者说思想糊涂,对命名没有理解。。

  G:将i.txt转换为GBK编码,输出到i_gbk.txt

  native2ascii -reverse -encoding GBK i.txt i_gbk.txt

  打开i_gbk.txt文件,内容为“\u00c8\u00db\u00d1\u00d2”。发现转码前后完全一样的。也就是说,等于没有转,或者说思想糊涂,对命名没有理解。

  H:将u_nv.txt转码到本地编码GBK,输出到控制台

  C:\test>native2ascii -reverse -encoding ISO8859-1 i.txt

  熔岩

  从这个结果看,目标达到到了,编码i.txt为ISO8859-1,转为本地编码后内容为“熔岩”。从这里应该意识到,native2ascii -reverse命令中-encoding指定的编码为源文件的编码格式。而在native2ascii 命令中-encoding指定的编码为(生成的)目标文件的编码格式。这一点非常的重要!切记!!

  继续探索,新建文件12a.txt,内容“12axyz”。看看纯字母数字的编码又如何。

  I:将纯字母数字的文本文件12a.txt转换为Unicode编码

  native2ascii 12a.txt 12a_nv.txt

  打开12a_nv.txt文件,内容为“12axyz”。

  继续测试,转为ISO8859-1编码看看

  C:\test>native2ascii -encoding ISO8859-1 12a.txt

  12axyz

  结果还是没有转码。

  从结果可以得出结论:对于纯数字和字母的文本类型件,转码前后的内容是一样的。

  5、总结:native2ascii是一个非常的好转码工具,并且转码是可逆的!而其真正的含义并非本地编码——>转码为ASCII码,而是一个通用的文本文件编码转换工具。在做编码转换的时候有两类指定编码的情形,分别指输出文件编码和输入文件编码,具体可以看看最佳实践部分。