震惊！！！百度不能搜索“南京大屠杀”？？？

我想，大家见到这样的标题，一定会有不少人感到震惊。而且，一定会有很多人立刻来验证下，然后就会回复：楼主骗人，我可以搜索得到呀！！。。。。。。。

呵呵～～不家冷静点，我也不会做什么“哗众取宠”的事。的确，在国内，普通的网民在百度（http://www.baidu.com）上是可以搜索关键词“南京大屠杀”的。但是，海外的网民呢？？？得到的答案是否定的！完全不能在百度上搜索关键词“南京大屠杀”！！这已经得到海外的网友验证！因为不能搜索，显示的是无效页面，所以截图贴上来也没必要。不过，大家可以亲自验证下，如果你不是“普通的网民”，稍懂一点代理服务器的常识，自己可以找个海外的代理服务器来试一下～～～如果嫌麻烦，现在网上也有不少海外的在线网页代理，一样可以试出个结果来。

现在大家再冷静下来，不要有什么武断的行为，也不要把问题上升到政治的层面上。那究竟是不是百度真的不能搜索“南京大屠杀”呢？是百度本身的问题吗？我可以说，不是！这不是百度的问题，也不是它的Bug，问题就出在我们国内网络上的中间环节“GFW”（令我相当震惊的是，国内网民对“GFW”的知识贫乏得可怕）。“GFW”是什么？你可以在百度或者Google 上面搜索一下，好好的补充一下这方面的知识。其实，不能搜索的并不是什么“南京大屠杀”，只要关键字里有“屠杀”（要连起来），都会被屏蔽掉！如果没有将“南京大”加进去作为卖点，我看谣言也不会引来如此的风浪！说到这里，百度这方面的谣言也就被破除了，那么，Google 在这方面的谣言是不是也就不攻自破了～～～～呵呵

顺便也来说下，Google 不能搜索“南京大屠杀”这谣言在网上也是传得令人相当可怕。真的不明白，这样的谣言漏洞百出，真的可以说是不攻自破，这还不是“GFW”在搞的鬼？！退一步来讲，如果这谣言真的成立，岂不是一条特大的新闻？！但为什么在正规的门户网站上却搜索不到这样的新闻（因为业内人士都知道“GFW”的存在），而只是在论坛或者Blog 上面被恃意地传播？！大家冷静下来，好好想下吧。

呵呵～～That's end。来一个总结性的，“谣言止于智者”。 衷心希望国内的网民能早日意识到“GFW”这条网络“万里长城”的存在。 ^_^

Google 的镜像IP 地址

http://216.239.37.103
http://216.239.57.99
http://64.233.187.107
http://216.239.37.105
http://216.239.59.103
http://64.233.187.89
http://216.239.37.106
http://216.239.59.104
http://64.233.187.99
http://216.239.37.107
http://216.239.59.105
http://66.102.11.104
http://216.239.39.100
http://216.239.59.106
http://66.102.11.105
http://216.239.39.102
http://216.239.59.107
http://66.102.11.106
http://216.239.39.103
http://216.239.59.147
http://66.102.11.107
http://216.239.39.106
http://216.239.59.98
http://66.102.11.99
http://216.239.39.107
http://216.239.59.99
http://66.102.7.104
http://216.239.51.100
http://216.239.63.104
http://66.102.7.105
http://216.239.51.103
http://216.239.63.91
http://66.102.7.106
http://216.239.53.102
http://216.239.63.93
http://66.102.7.107
http://216.239.53.103
http://216.239.63.99
http://66.102.7.147
http://216.239.53.104
http://64.233.161.104
http://66.102.7.18
http://216.239.53.106
http://64.233.161.105
http://66.102.7.19
http://216.239.53.107
http://64.233.161.106
http://66.102.7.89
http://216.239.53.99
http://64.233.161.107
http://66.102.7.91
http://216.239.55.102
http://64.233.161.89
http://66.102.7.95
http://216.239.57.103
http://64.233.163.104
http://66.102.7.99
http://216.239.57.104
http://64.233.163.106
http://66.102.9.104
http://216.239.57.105
http://64.233.163.99
http://66.102.9.105
http://216.239.57.106
http://64.233.183.91
http://66.102.9.106
http://216.239.57.107
http://64.233.183.93
http://66.102.9.107
http://216.239.57.147
http://64.233.183.99
http://66.102.9.147
http://216.239.57.98
http://64.233.187.104
http://66.102.9.99

Google Services and Softwares

　　Add to Google
　　这是一个提供网页信息的站点，主要的功能是把自己的主页介绍给Google让他收录，而时间上较长，起码一两个月才会被Google收录，但是一旦收了你的主页，知名度会更快地上升。
　　Blogger
　　Google提供的Blog服务，现在已经有中文版本。

Froogle
　　这是一个专业的引擎，可以输入你想要购买的东西，然后得到符合关键词的结果出来，可以比较一下各个购物网站不同的价格，挑选最合适的地方进行购买。
　　Gmail
　　Gmail是是Google提供的当前最流行的免费邮件服务，提供了超过2GB的储存空间。
　　Google AdSense
　　Google提供的广告服务，你是否遇到有不知来源的IP经常恶意点击你的广告，而你无法知道IP所以无法禁止，你是否想知道你的广告在哪个或者哪些页面点击率最高，而又不受渠道数量的限制，它主要针对Google Adsense的规则，在不违反规则的前提下为用户提供及时详细的广告点击统计信息。
　　Google AdWords
　　Google提供给商家的特殊广告站点，只要有人点击这里就会按一定规则向商家收费，算是网络上的分类广告。
　　Google Alerts
　　这是一个新闻定制站点，可以通过邮箱定制你需要的内容，然后得到相关的讯息。
　　Google Analytics
　　Google推出的免费提供的网站统计服务，只需要简单注册，即可帮助站长分析自己的站点情况，而且里面的内容非常详细，不光小网站有用，大网站更是可以作为一个参考的指标。
　　Google Answers
　　Google的问答站点，可以回答你很多不知道的问题，类似的还有百度出的百度知道，现在这个站点开始进入收费模式，你可以悬赏进行问题答案的购买。
　　Google Base
　　这个服务相对于Google其它服务的专业化，或许显得比较杂乱，里面也是可以让我们提交不同的信息给Google，让它出现在Google的搜索里面。
　　Google Blog Search
　　这是一个针对Google博客的搜索服务，专门收集其中的海量信息。
　　Google Book Search
　　Google的书籍搜索服务，其实也是Google引擎的一个小延伸而已，不过在这里搜索到的结果比较专业和集中。
　　Google Bookmarks
　　Google的在线网络书签服务，整合了Google工具条4.0和Google搜索历史，此服务还处于beta测试阶段，目前看到的Google Bookmarks还没有共享功能，类似个人网上收藏夹。
　　Google Calendar
　　Google的日历服务，可以很方便地管理自己生活上的行程安排，例如参加会议的时间、看病的预约时间、约会时间、吃饭订餐时间等等。可以将一个人的所有行程都管理起来。
　　Google Catalogs
　　Google做的邮购搜索服务，对于国人来说好象用处并不是特别地大。
　　Google Code
　　Google用来推广及发展开源软件的一个服务，一个适合程序员的源代码公开站点
　　Google Compute
　　Google的网格计算，可以将一些超大规模的计算量分散到全球不同国家地区的电脑上，以尽快得到结果，这是些有益全球的计算，希望有电脑的朋友都参加。
　　Google Desktop
　　这是一个放置在桌面上的工具条，在这个工具条里可提供新闻，天气，Email等小程序，了解最新的信息。
　　Google Directory
　　Goolge制作的超大型人工分类目录，让网页根据重要性来排列。目录搜索服务可满足那些想要浏览某特定主题下相关信息的用户。
　　Google Earth
　　这项服务提供了地球上大部分地区的卫星图片查询，尤其是大城市的图片更加地多，让你如宇航员一般身临其境，足不出户也可了解世界各地。
　　Google Groups
　　Google提供的群组服务。利用它你可以创建邮件列表、阅读新闻或者是和志同道合的用户分享你感兴趣的东西。
　　Google Homepage
　　是Google提供的主页服务，你可以定制它，它提供了天气、新闻、占卜等各种各样的服务。
　　Google Image Search
　　Google的图片搜索，几乎是Google最早的服务了，这是它的图片搜索页面，相信大家都用过吧，图片搜索的精确度还是不错的。
　　Google Labs
　　Google实验室的一些服务链接，从这里可以看到它们又有什么天才的发明。
　　Google Local
　　Google本地搜索，通过这一服务，用户可以使用关键字搜索在特定的城市查找某一类型的公司，并在电子地图上显示这些公司的具体位置。这项服务现在有了中国版本。
　　Google Maps
　　Google地图搜索服务，让你浏览到世界各地的地图、公路等信息，比较上面提到的卫星地图来说，比较传统。
　　Google Mobile
　　Google手机上网用户的服务，只要手机能连上这外网站，即可象用PC一样搜索图片、关键字等信息。
　　Google Movie Showtimes
　　Google提供的电影上映时间搜索服务，只要输入一个地方的邮政编码或地址，就可以搜索到当地的电影院及电影的上映时间。
　　Google News
　　Google新闻站点，将最新的新闻呈现在大家的眼前，上面的所有新闻都是由Google特定的电脑自动聚合的。
　　Google Notebook
　　类似一个网摘工具，以插件的形式安装于浏览器，记录你在浏览网页时看到的有用的信息。
　　Google Page
　　Google推出的免费个人主页服务，用户可以在这里获得一个100M大小的免费主页空间。
　　Google Reader
　　Google的在线RSS阅读器，Reader依靠RSS和Atom技术，可帮助用户及时获得信息，用户不必自己检查更新喜欢的站点，Google Reader可以帮你。
　　Google Ridefinder
　　美国12个城市的公交车和出租车的相关搜索。
　　Google Scholar
　　学术文章搜索引擎，高年级学生的必备，尤其一些经常需要撰写一些论文的朋友。
　　Google Send to Phone
　　利用网络发送手机短信的服务，感觉上没什么特别。
　　Google Sitemap
　　Google的Sitemaps计划，旨在对网站信息搜索进行加速，增强索引能力。Google称：“这种协作搜索系统将进一步提高覆盖和刷新速度，使用户使用Google索此功能实现最优化。”Google呼吁网站管理员在网站服务器中放置Sitemaps格式的文件。这样，Google的搜索引擎就可以看到那些网页在网站内，那些网页内容被修改了。
　　Google SMS
　　GOOGLE SMS服务，是通过SMS查找特定信息的一项技术。它可以提供驾车服务，在无线产品中支持SMS。
　　Google Suggest
　　这是一个猜测你意图的测试站，当用户关键词搜索框中输入文字时，下拉清单将显示候补搜索单词或短语一览。还将显示找到的各单词或短语的网页数。从候补中选择单词或短语便可搜索。
　　Google Talk
　　Google推出的即时在线聊天工具，当时挺火爆的，业内很多人都说能跟各大即时聊天工具一拼，可是现在没多少个人用了，影响较低。
　　Google Toolbar
　　Google的搜索工具条，上面有很多实用功能，搜索、拦截弹出窗口、查看网页PR值等等一大堆。
　　Google Trends
　　Google趋势服务，可以得到人们对于不同事物的关注程度，Google通过分析全球的搜索结果，分析处某一搜索关键词在Google被搜索的频率和相关统计数据。
　　Google Video
　　这又是一个新的尝试，Google推出的视频搜索内容丰富，不过国内用户好象会受到一定的限制。
　　Google Web Accelerator
　　可以加速网页的载入，尤其是对付一些我们网络访问较慢的外国网站更是好用
　　Google Web Search
　　Google网站默认的搜索服务。
　　Hello
　　Hello即时聊天工具，是一个极小的即时通信客户端，它和Google的看图软件Picasa一起工作，能让你和亲人好友分享图片。
　　Picasa
　　超强的图片管理显示的软件，得益于其高效的图片管理模式，我们可将电脑里所有的图片都让它归类，分析。它现在已是免费软件。

[转] JAVA字符集

1. 概述

本文主要包括以下几个方面：编码基本知识，java，系统软件，url，工具软件等。

在下面的描述中，将以"中文"两个字为例，经查表可以知道其GB2312编码是"d6d0 cec4"，Unicode编码为"4e2d 6587"，UTF编码就是"e4b8ad e69687"。注意，这两个字没有iso8859-1编码，但可以用iso8859-1编码来"表示"。

2. 编码基本知识

最早的编码是iso8859-1，和ascii编码相似。但为了方便表示各种各样的语言，逐渐出现了很多标准编码，重要的有如下几个。

2.1. iso8859-1

属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母'a'的编码为0x61=97。

很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然"中文"两个字不存在iso8859-1编码，以gb2312编码为例，应该是"d6d0 cec4"两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示："d6 d0 ce c4"（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节"e4 b8 ad e6 96 87"。很明显，这种表示方法还需要以另一种编码为基础。

2.2. GB2312/GBK

这就是汉子的国标码，专门用来表示汉字，是双字节编码，而英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字，gbk是兼容gb2312编码的。

2.3. unicode

这是最统一的编码，可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。所以可以说它是不兼容iso8859-1编码的，也不兼容任何编码。不过，相对于iso8859-1编码来说，uniocode编码只是在前面增加了一个0字节，比如字母'a'为"00 61"。

需要说明的是，定长编码便于计算机处理（注意GB2312/GBK不是定长编码），而unicode又可以用来表示所有字符，所以在很多软件内部是使用unicode编码来处理的，比如java。

2.4. UTF

考虑到unicode编码不兼容iso8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码是不定长编码，每一个字符的长度从1-6个字节不等。另外，utf编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

注意，虽然说utf是为了使用更少的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，虽然utf编码对汉字使用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。

3. java对字符的处理

在java应用软件中，会有多处涉及到字符集编码，有些地方需要进行正确的设置，有些地方需要进行一定程度的处理。

3.1. getBytes(charset)

这是java字符串处理的一个标准函数，其作用是将字符串所表示的字符按照charset编码，并以字节方式表示。注意字符串在java内存中总是按unicode编码存储的。比如"中文"，正常情况下（即没有错误的时候）存储为"4e2d 6587"，如果charset为"gbk"，则被编码为"d6d0 cec4"，然后返回字节"d6 d0 ce c4"。如果charset为"utf8"则最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1"，则由于无法编码，最后返回 "3f 3f"（两个问号）。

3.2. new String(charset)

这是java字符串处理的另一个标准函数，和上一个函数的作用相反，将字节数组按照charset编码进行组合识别，最后转换为unicode存储。参考上述getBytes的例子，"gbk" 和"utf8"都可以得出正确的结果"4e2d 6587"，但iso8859-1最后变成了"003f 003f"（两个问号）。

因为utf8可以用来表示/编码所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完全可逆。

3.3. setCharacterEncoding()

该函数用来设置http请求或者相应的编码。

对于request，是指提交内容的编码，指定后可以通过getParameter()则直接获得正确的字符串，如果不指定，则默认使用iso8859-1编码，需要进一步处理。参见下述"表单输入"。值得注意的是在执行setCharacterEncoding()之前，不能执行任何getParameter()。java doc上说明：This method must be called prior to reading request parameters or reading input using getReader()。而且，该指定只对POST方法有效，对GET方法无效。分析原因，应该是在执行第一个getParameter()的时候，java将会按照编码分析所有的提交内容，而后续的getParameter()不再进行分析，所以setCharacterEncoding()无效。而对于GET方法提交表单是，提交的内容在URL中，一开始就已经按照编码分析所有的提交内容，setCharacterEncoding()自然就无效。

对于response，则是指定输出内容的编码，同时，该设置会传递给浏览器，告诉浏览器输出内容所采用的编码。

3.4. 处理过程

下面分析两个有代表性的例子，说明java对编码有关问题的处理方法。

3.4.1. 表单输入

User input *(gbk:d6d0 cec4) browser *(gbk:d6d0 cec4) web server iso8859-1(00d6 00d 000ce 00c4) class，需要在class中进行处理：getbytes("iso8859-1")为d6 d0 ce c4，new String("gbk")为d6d0 cec4，内存中以unicode编码则为4e2d 6587。



l 用户输入的编码方式和页面指定的编码有关，也和用户的操作系统有关，所以是不确定的，上例以gbk为例。

l 从browser到web server，可以在表单中指定提交内容时使用的字符集，否则会使用页面指定的编码。而如果在url中直接用?的方式输入参数，则其编码往往是操作系统本身的编码，因为这时和页面无关。上述仍旧以gbk编码为例。

l Web server接收到的是字节流，默认时（getParameter）会以iso8859-1编码处理之，结果是不正确的，所以需要进行处理。但如果预先设置了编码（通过request. setCharacterEncoding ()），则能够直接获取到正确的结果。

l 在页面中指定编码是个好习惯，否则可能失去控制，无法指定正确的编码。

3.4.2. 文件编译

假设文件是gbk编码保存的，而编译有两种编码选择：gbk或者iso8859-1，前者是中文windows的默认编码，后者是linux的默认编码，当然也可以在编译时指定编码。

Jsp *(gbk:d6d0 cec4) java file *(gbk:d6d0 cec4) compiler read uincode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) compiler write utf(gbk: e4b8ad e69687; iso8859-1: *) compiled file unicode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) class。所以用gbk编码保存，而用iso8859-1编译的结果是不正确的。

class unicode(4e2d 6587) system.out / jsp.out gbk(d6d0 cec4) os console / browser。

l 文件可以以多种编码方式保存，中文windows下，默认为ansi/gbk。

l 编译器读取文件时，需要得到文件的编码，如果未指定，则使用系统默认编码。一般class文件，是以系统默认编码保存的，所以编译不会出问题，但对于jsp文件，如果在中文windows下编辑保存，而部署在英文linux下运行/编译，则会出现问题。所以需要在jsp文件中用pageEncoding指定编码。

l Java编译的时候会转换成统一的unicode编码处理，最后保存的时候再转换为utf编码。

l 当系统输出字符的时候，会按指定编码输出，对于中文windows下，System.out将使用gbk编码，而对于response（浏览器），则使用jsp文件头指定的contentType，或者可以直接为response指定编码。同时，会告诉browser网页的编码。如果未指定，则会使用iso8859-1编码。对于中文，应该为browser指定输出字符串的编码。

l browser显示网页的时候，首先使用response中指定的编码（jsp文件头指定的contentType最终也反映在response上），如果未指定，则会使用网页中meta项指定中的contentType。

3.5. 几处设置

对于web应用程序，和编码有关的设置或者函数如下。

3.5.1. jsp编译

指定文件的存储编码，很明显，该设置应该置于文件的开头。例如：<%@page pageEncoding="GBK"%>。另外，对于一般class文件，可以在编译的时候指定编码。

3.5.2. jsp输出

指定文件输出到browser是使用的编码，该设置也应该置于文件的开头。例如：<%@ page contentType="text/html; charset= GBK" %>。该设置和response.setCharacterEncoding("GBK")等效。

3.5.3. meta设置

指定网页使用的编码，该设置对静态网页尤其有作用。因为静态网页无法采用jsp的设置，而且也无法执行response.setCharacterEncoding()。例如：

如果同时采用了jsp输出和meta设置两种编码指定方式，则jsp指定的优先。因为jsp指定的直接体现在response中。

需要注意的是，apache有一个设置可以给无编码指定的网页指定编码，该指定等同于jsp的编码指定方式，所以会覆盖静态网页中的meta指定。所以有人建议关闭该设置。

3.5.4. form设置

当浏览器提交表单的时候，可以指定相应的编码。例如：

。一般不必不使用该设置，浏览器会直接使用网页的编码。

4. 系统软件

下面讨论几个相关的系统软件。

4.1. mysql数据库

很明显，要支持多语言，应该将数据库的编码设置成utf或者unicode，而utf更适合与存储。但是，如果中文数据中包含的英文字母很少，其实unicode更为适合。

数据库的编码可以通过mysql的配置文件设置，例如default-character-set=utf8。还可以在数据库链接URL中设置，例如： useUnicode=true&characterEncoding=UTF-8。注意这两者应该保持一致，在新的sql版本里，在数据库链接URL里可以不进行设置，但也不能是错误的设置。

4.2. apache

appache和编码有关的配置在httpd.conf中，例如AddDefaultCharset UTF-8。如前所述，该功能会将所有静态页面的编码设置为UTF-8，最好关闭该功能。

另外，apache还有单独的模块来处理网页响应头，其中也可能对编码进行设置。

4.3. linux默认编码

这里所说的linux默认编码，是指运行时的环境变量。两个重要的环境变量是LC_ALL和LANG，默认编码会影响到java URLEncode的行为，下面有描述。

建议都设置为"zh_CN.UTF-8"。

4.4. 其它

为了支持中文文件名，linux在加载磁盘时应该指定字符集，例如：mount /dev/hda5 /mnt/hda5/ -t ntfs -o iocharset=gb2312。

另外，如前所述，使用GET方法提交的信息不支持request.setCharacterEncoding()，但可以通过tomcat的配置文件指定字符集，在tomcat的server.xml文件中，形如：。这种方法将统一设置所有请求，而不能针对具体页面进行设置，也不一定和browser使用的编码相同，所以有时候并不是所期望的。

5. URL地址

URL地址中含有中文字符是很麻烦的，前面描述过使用GET方法提交表单的情况，使用GET方法时，参数就是包含在URL中。

5.1. URL编码

对于URL中的一些特殊字符，浏览器会自动进行编码。这些字符除了"/?&"等外，还包括unicode字符，比如汉子。这时的编码比较特殊。

IE有一个选项"总是使用UTF-8发送URL"，当该选项有效时，IE将会对特殊字符进行UTF-8编码，同时进行URL编码。如果改选项无效，则使用默认编码"GBK"，并且不进行URL编码。但是，对于URL后面的参数，则总是不进行编码，相当于UTF-8选项无效。比如"中文.html?a=中文"，当UTF-8选项有效时，将发送链接"%e4%b8%ad%e6%96%87.html?a=\x4e\x2d\x65\x87"；而UTF-8选项无效时，将发送链接"\x4e\x2d\x65\x87.html?a=\x4e\x2d\x65\x87"。注意后者前面的"中文"两个字只有4个字节，而前者却有18个字节，这主要时URL编码的原因。

当web server（tomcat）接收到该链接时，将会进行URL解码，即去掉"%"，同时按照ISO8859-1编码（上面已经描述，可以使用URLEncoding来设置成其它编码）识别。上述例子的结果分别是"\ue4\ub8\uad\ue6\u96\u87.html?a=\u4e\u2d\u65\u87"和"\u4e\u2d\u65\u87.html?a=\u4e\u2d\u65\u87"，注意前者前面的"中文"两个字恢复成了6个字符。这里用"\u"，表示是unicode。

所以，由于客户端设置的不同，相同的链接，在服务器上得到了不同结果。这个问题不少人都遇到，却没有很好的解决办法。所以有的网站会建议用户尝试关闭UTF-8选项。不过，下面会描述一个更好的处理办法。

5.2. rewrite

熟悉的人都知道，apache有一个功能强大的rewrite模块，这里不描述其功能。需要说明的是该模块会自动将URL解码（去除%），即完成上述web server（tomcat）的部分功能。有相关文档介绍说可以使用[NE]参数来关闭该功能，但我试验并未成功，可能是因为版本（我使用的是apache 2.0.54）问题。另外，当参数中含有"?& "等符号的时候，该功能将导致系统得不到正常结果。

rewrite本身似乎完全是采用字节处理的方式，而不考虑字符串的编码，所以不会带来编码问题。

5.3. URLEncode.encode()

这是Java本身提供对的URL编码函数，完成的工作和上述UTF-8选项有效时浏览器所做的工作相似。值得说明的是，java已经不赞成不指定编码来使用该方法（deprecated）。应该在使用的时候增加编码指定。

当不指定编码的时候，该方法使用系统默认编码，这会导致软件运行结果得不确定。比如对于"中文"，当系统默认编码为"gb2312"时，结果是"%4e%2d%65%87"，而默认编码为"UTF-8"，结果却是"%e4%b8%ad%e6%96%87"，后续程序将难以处理。另外，这儿说的系统默认编码是由运行tomcat时的环境变量LC_ALL和LANG等决定的，曾经出现过tomcat重启后就出现乱码的问题，最后才郁闷的发现是因为修改修改了这两个环境变量。

建议统一指定为"UTF-8"编码，可能需要修改相应的程序。

5.4. 一个解决方案

上面说起过，因为浏览器设置的不同，对于同一个链接，web server收到的是不同内容，而软件系统有无法知道这中间的区别，所以这一协议目前还存在缺陷。

针对具体问题，不应该侥幸认为所有客户的IE设置都是UTF-8有效的，也不应该粗暴的建议用户修改IE设置，要知道，用户不可能去记住每一个web server的设置。所以，接下来的解决办法就只能是让自己的程序多一点智能：根据内容来分析编码是否UTF-8。

比较幸运的是UTF-8编码相当有规律，所以可以通过分析传输过来的链接内容，来判断是否是正确的UTF-8字符，如果是，则以UTF-8处理之，如果不是，则使用客户默认编码（比如"GBK"），下面是一个判断是否UTF-8的例子，如果你了解相应规律，就容易理解。

public static boolean isValidUtf8(byte[] b,int aMaxCount){

int lLen=b.length,lCharCount=0;

for(int i=0;i
byte lByte=b[i++];//to fast operation, ++ now, ready for the following for(;;)

if(lByte>=0) continue;//>=0 is normal ascii

if(lByte<(byte)0xc0 || lByte>(byte)0xfd) return false;

int lCount=lByte>(byte)0xfc?5:lByte>(byte)0xf8?4

:lByte>(byte)0xf0?3:lByte>(byte)0xe0?2:1;

if(i+lCount>lLen) return false;

for(int j=0;j=(byte)0xc0) return false;

}

return true;

}

相应地，一个使用上述方法的例子如下：

public static String getUrlParam(String aStr,String aDefaultCharset)

throws UnsupportedEncodingException{

if(aStr==null) return null;

byte[] lBytes=aStr.getBytes("ISO-8859-1");

return new String(lBytes,StringUtil.isValidUtf8(lBytes)?"utf8":aDefaultCharset);

}

不过，该方法也存在缺陷，如下两方面：

l 没有包括对用户默认编码的识别，这可以根据请求信息的语言来判断，但不一定正确，因为我们有时候也会输入一些韩文，或者其他文字。

l 可能会错误判断UTF-8字符，一个例子是"学习"两个字，其GBK编码是" \xd1\xa7\xcf\xb0"，如果使用上述isValidUtf8方法判断，将返回true。可以考虑使用更严格的判断方法，不过估计效果不大。

有一个例子可以证明google也遇到了上述问题，而且也采用了和上述相似的处理方法，比如，如果在地址栏中输入"http://www.google.com/search?hl=zh-CN&newwindow=1&q=学习"，google将无法正确识别，而其他汉字一般能够正常识别。

最后，应该补充说明一下，如果不使用rewrite规则，或者通过表单提交数据，其实并不一定会遇到上述问题，因为这时可以在提交数据时指定希望的编码。另外，中文文件名确实会带来问题，应该谨慎使用。

6. 其它

下面描述一些和编码有关的其他问题。

6.1. SecureCRT

除了浏览器和控制台与编码有关外，一些客户端也很有关系。比如在使用SecureCRT连接linux时，应该让SecureCRT的显示编码（不同的session，可以有不同的编码设置）和linux的编码环境变量保持一致。否则看到的一些帮助信息，就可能是乱码。

另外，mysql有自己的编码设置，也应该保持和SecureCRT的显示编码一致。否则通过SecureCRT执行sql语句的时候，可能无法处理中文字符，查询结果也会出现乱码。

对于Utf-8文件，很多编辑器（比如记事本）会在文件开头增加三个不可见的标志字节，如果作为mysql的输入文件，则必须要去掉这三个字符。（用linux的vi保存可以去掉这三个字符）。一个有趣的现象是，在中文windows下，创建一个新txt文件，用记事本打开，输入"连通"两个字，保存，再打开，你会发现两个字没了，只留下一个小黑点。

6.2. 过滤器

如果需要统一设置编码，则通过filter进行设置是个不错的选择。在filter class中，可以统一为需要的请求或者回应设置编码。参加上述setCharacterEncoding()。这个类apache已经给出了可以直接使用的例子SetCharacterEncodingFilter。

6.3. POST和GET

很明显，以POST提交信息时，URL有更好的可读性，而且可以方便的使用setCharacterEncoding()来处理字符集问题。但GET方法形成的URL能够更容易表达网页的实际内容，也能够用于收藏。

从统一的角度考虑问题，建议采用GET方法，这要求在程序中获得参数是进行特殊处理，而无法使用setCharacterEncoding()的便利，如果不考虑rewrite，就不存在IE的UTF-8问题，可以考虑通过设置URIEncoding来方便获取URL中的参数。

6.4. 简繁体编码转换

GBK同时包含简体和繁体编码，也就是说同一个字，由于编码不同，在GBK编码下属于两个字。有时候，为了正确取得完整的结果，应该将繁体和简体进行统一。可以考虑将UTF、GBK中的所有繁体字，转换为相应的简体字，BIG5编码的数据，也应该转化成相应的简体字。当然，仍旧以UTF编码存储。

例如，对于"语言 ?言"，用UTF表示为"\xE8\xAF\xAD\xE8\xA8\x80 \xE8\xAA\x9E\xE8\xA8\x80"，进行简繁体编码转换后应该是两个相同的 "\xE8\xAF\xAD\xE8\xA8\x80>"。

 

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1138170

关于Lame 的参数 -q

-q 这个参数的确是跟质量有关的，但跟音质是没有必然的正比关系，007 的例证也多多少少说明了这个问题。在Lame 的命令行帮助里（Lame --longhelp），显示的相关信息如下：

Noise shaping & psycho acoustic algorithms:
-q = 0...9. Default -q 5
-q 0: Highest quality, very slow
-q 9: Poor quality, but fast
-h Same as -q 2. Recommended.
-f Same as -q 7. Fast, ok quality

可见，-q 是跟Noise shaping 和算法（准确的来讲是huffman encoding）有关的，不可否认，这这多多少少影响到音质的好坏。

现在再来看下官方的文档是如何： ^_^

==================================================
algorithm quality selection
==================================================
-q n

Bitrate is of course the main influence on quality. The higher the
bitrate, the higher the quality. But for a given bitrate,
we have a choice of algorithms to determine the best
scalefactors and huffman encoding (noise shaping).

-q 0: use slowest & best possible version of all algorithms.

-q 2: recommended. Same as -h. -q 0 and -q 1 are slow and
may not produce significantly higher quality.

-q 5: default value. Good speed, reasonable quality

-q 7: same as -f. Very fast, ok quality. (psycho acoustics are
used for pre-echo & M/S, but no noise shaping is done.

-q 9: disables almost all algorithms including psy-model. poor quality.

从上面红色的文字可见，0 和1 并不一定会产生出最高的质量。

在HydrogenAudio 论坛里也见到过相关的帖子，主要是关于-q0、-q1、-q2、-q3 的问题。在他们的意见里，-q0 和-q1 都是不建议的，因为可能会使压出来的MP3 产生一个明显的噪声（他们那里称之为Ringing），这个问题好像会发生在Lame 3.97 或者更高的版本中。对于High Bitrates 的MP3，他们的建议是用-q3 或者-q2（但似乎-q2 有时也会产生那种噪声）。

其实-q 产生的区别主要是在20kHz以上的频段里，那些已经是人听不到的频率了（当然，听不到并不代表感觉不到，但也见仁见智了 ^_^），对这段频率是否保留，我是持保留态度的——但如果是制作320k MP3的话，当然是鼓励保留的，因为在这Lame 极限频率下，增加这频段也不会增大文件的大小 ^_^

相关的帖子链接：http://www.besgold.com/bbs/viewthread.php?tid=42832&amp;page=1&extra=page%3D1#pid1533345

Python Doc Digest [2]

对于链表（lists）来讲，有三个内置函数非常有用：filter()，map()，reduce()。

filter(function, sequence) 返回一个sequence（序列），包括了给定序列中所有调用function(item) 后返回值为true 的元素。（如果可能的话，会返回相同的类型）。如果sequence 是一个string（字符串）或者tuple（元组），返回值必定是同一类型，否则，它总是list。

>>> def f(x): return x % 2 != 0 and x % 3 != 0
...
>>> filter(f, range(2, 25))
[5, 7, 11, 13, 17, 19, 23]


map(function, sequence) 为每一个元素依次调用function(item)并将返回值组成一个链表返回。

>>> def cube(x): return x*x*x
...
>>> map(cube, range(1, 11))
[1, 8, 27, 64, 125, 216, 343, 512, 729, 1000]

也可以传入多个序列，函数也必须要有对应数量的参数，执行时会依次用各序列上对应的元素来调用函数（如果某些序列比其它的短，就用None 来代替缺少的元素）。如果函数为None，则直接返回参数做为替代。

>>> seq = range(8)
>>> def add(x, y): return x+y
...
>>> map(add, seq, seq)
[0, 2, 4, 6, 8, 10, 12, 14]


reduce(func, sequence) 返回一个单值，它是这样构造的：首先以序列的前两个元素调用函数，再以返回值和第三个参数调用，依次执行下去。

>>> def add(x,y): return x+y
...
>>> reduce(add, range(1, 11))
55

如果序列中只有一个元素，就返回它，如果序列是空的，就抛出一个异常。

也可以传入第三个参数做为初始值。如果序列是空的，就返回初始值，否则函数会先接收初始值和序列的第一个元素，然后是返回值和下一个元素，依次类推。

>>> def sum(seq):
... def add(x,y): return x+y
... return reduce(add, seq, 0)
...
>>> sum(range(1, 11))
55
>>> sum([])
0