Blob类型存储中文

Blob类型存储中文目录 一、数据库中文乱码二、数据库中文正常展示三、gbk和utf8GBK和UTF-8文字编码的特点:GBK和UTF-8文字编码的区别:编码方案: 一、数据库中文乱码一般来说,我们的数据库都是utf-8编码,所以我们在存储Blob类型的时候,会将二进制流使用utf-8编码(blob.getBytes("UTF-8")),但是存到数据库中,却展示的乱码,想要知道其中含义…

目录

 一、数据库中文乱码

二、数据库中文正常展示

三、gbk和utf8

GBK和UTF-8文字编码的特点:

GBK和UTF-8文字编码的区别:

编码方案:


 一、数据库中文乱码

一般来说,我们的数据库都是utf-8编码,所以我们在存储Blob类型的时候,会将二进制流使用utf-8编码(blob.getBytes(“UTF-8”)),但是存到数据库中,却展示的乱码,想要知道其中含义,就要查询数据库,然后new String(logUTF.getRequMes(), “UTF-8”) 转成字符串,来查看存储的中文。

二、数据库中文正常展示

Blob类型数据,只要二进制流使用 blob.getBytes(“GBK”))编码,存到数据库就是展示的中文。

看到这里会不会有一个疑问呢? 数据库设置的是utf-8编码,即使提前转成GBK,存到数据库难道不会GBK->UTF-8么?看测试代码!!!

        // 插入日志
        LogInfoWithBLOBs logIso = new LogInfoWithBLOBs();
        logIso.setId(1112);
        String httpUrl = "白存";
        // byte[] gbks = httpUrl.getBytes("GBK");  //-80,-41,-76,-26
        byte[] gbkUTF = httpUrl.getBytes("UTF-8"); //-25,-103,-67,-27,-83,-104
        logIso.setRequMes(gbkUTF);
        logInfoMapper.insert(logIso);
        //  查询日志
        LogInfoWithBLOBs logIsos = logInfoService.queryLogInfo(1112);
        try {
            byte[] requMes = logIsos.getRequMes();
            String a = new String(requMes, "GBK");
            logger.info("GBK-查询二进制结果日志:"+ a);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

通过简单的测试类,这才明白。数据库存的是二进制字节,无论GBK还是UTF-8都是将字符编码成二进制,所以,二进制的数据会直接存到数据库,而不会出现开始想象的GBK->UTF-8。而且Unicode是统一编码,故而数据库中展示的就是中文。

三、gbk和utf8

GBK和UTF-8文字编码的特点:

GBK的文字编码是双字节来表示的,即不论中、英文字符均使用双字节来表示,对于存储英文字符比较多的情况,资源空间占比大。

至于UTF-8编码则是用以解决国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24位(三个字节)来编码。

对于英文字符较多的论坛则用UTF-8节省空间。

GBK和UTF-8文字编码的区别:

  GBK包含全部中文字符;

  UTF-8则包含全世界所有国家需要用到的字符。

  GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准;(好像还不是国家标准)

  UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。

  比如,如果是UTF8编码,则在外国人的英文IE上也能显示中文,而无需他们下载IE的中文语言支持包。

  所以,对于英文比较多的论坛 ,使用GBK则每个字符占用2个字节,而使用UTF-8英文却只占一个字节。

编码方案:

  GBK就是在保存你的帖子的时候,一个汉字占用两个字节。外国人看会出现乱码,此为我中华为自己汉字编码而形成之解决方案。
  UTF8就是在保存你的帖子的时候,一个汉字占用3个字节。但是外国人看的话不会乱码,此为西人为了解决多字节字符而形成之解决方案。

  ASCII(ISO-8859-1)是鼻祖,最简单的方式,字节高位为0。

  GB2312、GBK、GB18030,这几个是中文编码方式,并向下兼容。GB2312包含7000多个汉字和字符,GBK包含21000多个,GB18030更厉害,到了27000多个。他们都是用2个字节来表示一个汉字。跟ascii是怎么区分的呢?如果高字节的高位为1(也就是高字节大于127),就表示是汉字,低字节并无明显特征。

  Unicode是统一编码,它建立了一个全世界统一的码表。世界上的所有文字,在这张码表中都是唯一的。

  UTF-8是Unicode的一种存储、传输方式。它将整个Unicode码表分为3部分。

  0000 – 007F 这部分是最初的ascii部分,按原始的存储方式,即0xxxxxxx。

  0080 – 07FF 这部分存储为110xxxxx 10xxxxxx。

  0800 – FFFF 这部分存储为1110xxxx 10xxxxxx 10xxxxxx。

  因此,一个汉字究竟被存储为什么,就需要:先查unicode码表,然后根据在码表的位置进行计算。例如:“电”字,在码表中是3575,计算成utf8就是E794B5,而在GB2312的码表中为B5E7。

  UTF-8的好处:兼容ASCII,存储英文文件都是单字节,文件小。当然,当以存中文为主时就变成了3字节编码了,比GB系列还大!如何标明一个文件是utf8格式呢?这个标记是可选的:EF BB BF。比如,用windows自带的记事本创建一个utf8格式的文件,就会加上这个标记。但是,如果用ultraedit创建utf8文件,并不会加上这个标记。这个标记有个术语,叫做BOM(Byte Order Mark)。不带BOM的utf8文件和GB2312文件怎么区分呢?我也不知道。唯一能想到的办法就是:先用一种试,如果出现乱码,就用另一种再试。

  简言而知,GBK编码方式的编码是以中国国情而创造的,在国际上的兼容性不好,这也是为什么大多数的网页是使用UTF-8编码而不是GBK。

今天的文章Blob类型存储中文分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/10311.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注