2023年8月8日大约 3 分钟云原生DockerGB18030-2022
国家标准《信息技术 中文编码字符集GB18030-2022》发布于 2022-07-19并于2023-08-01正式实施，需要对系统编码支持进行改造升级。本文介绍关于在K8s/Docker云环境背景，在jdk1.8环境下容器镜像中的GB18030-2022标准支持及验证。
先说结论，openjdk官方在8u381 这个版本对GB18030-2022进行了支持，参见：https://bugs.openjdk.org/browse/JDK-8301119 ，对应github地址：https://github.com/openjdk/jdk/pull/12518 在该Bugs报告记录中还可以发现8u381、8u39、openjdk8u382、openjdk8u392 、11.0.20、17.0.8、20.0.2对其都进行了修复。
对于JDK1.8已支持GB18030-2022的对应镜像如下：
OpenJDK官方镜像：adoptopenjdk/openjdk8:x86_64-debian-jdk8u382-b05 更新日志
OracleJDK镜像：container-registry.oracle.com/java/jdk:8u381-oraclelinux8 （需要注册登录后拉取） 更新日志
关于验证：
自定义一个CharsetSupportValidation.java小程序，根据输入的charsetName进行转换Charset charset = Charset.forName(charsetName);如果抛出UnsupportedCharsetException则不支持这个编码集。
另外还尝试进行编码和解码操作，看能否正常转换编码。比如如下步骤验证的是输入一串Unicode编码看能否正常转换为GB18030-2022编码。（\u9fec是国家标准|GB 18030-2022 (samr.gov.cn)第164/746页一个新增的中文字符，unicode编码为9fec，GB18030-2022编码为82359633）。如下Original和Decoded显示一个空白框猜测是容器中的linux环境不支持造成的。
root@Ubuntu:~/dockerfiles/javabase# docker run --rm -it container-registry.oracle.com/java/jdk:8u381-oraclelinux8 /bin/bash
[root@884b90c73fb1 /]#
[root@884b90c73fb1 /]# vi CharsetSupportValidation.java
[root@884b90c73fb1 /]# javac CharsetSupportValidation.java
[root@884b90c73fb1 /]# java CharsetSupportValidation GB18030-2022 \u9fec
Charset GB18030-2022 is supported.
Original: 鿬
Encoded bytes: 82359633
Decoded: 鿬
CharsetSupportValidation.java代码如下
import java.nio.charset.Charset;
import java.nio.charset.UnsupportedCharsetException;
public class CharsetSupportValidation {
public static void main(String[] args) {
if (args.length != 2) {
System.out.println("Usage: java CharsetSupportValidation <charset> <unicode>");
return;
}
String charsetName = args[0];
String testString = unescapeUnicode(args[1]);
try {
Charset charset = Charset.forName(charsetName);
// 尝试编码和解码操作
byte[] encodedBytes = testString.getBytes(charset);
String decodedString = new String(encodedBytes, charset);
System.out.println("Charset " + charsetName + " is supported.");
System.out.println("Original: " + testString); // 原始字符串
// 将字符串转为指定的charset字符集的编码
System.out.println("Encoded bytes: " + bytesToHexString(decodedString.getBytes(charset)));
System.out.println("Decoded: " + decodedString); // 将字符串通过charset字符集编码后的字符串
} catch (UnsupportedCharsetException e) {
System.out.println("Charset " + charsetName + " is not supported.");
}
}
// 将字节数组转换为十六进制字符串
public static String bytesToHexString(byte[] bytes) {
StringBuilder hexString = new StringBuilder();
for (byte b : bytes) {
String hex = Integer.toHexString(b & 0xFF);
if (hex.length() == 1) {
hexString.append('0'); // 确保两位十六进制表示
}
hexString.append(hex);
}
return hexString.toString();
}
// Convert Unicode escape sequence to character
public static String unescapeUnicode(String input) {
StringBuilder result = new StringBuilder();
int length = input.length();
for (int i = 0; i < length; i++) {
char currentChar = input.charAt(i);
if (currentChar == '\\' && i + 1 < length && input.charAt(i + 1) == 'u') {
// Found a Unicode escape sequence
String hexDigits = input.substring(i + 2, i + 6);
char unicodeChar = (char) Integer.parseInt(hexDigits, 16);
result.append(unicodeChar);
i += 5; // Skip the rest of the escape sequence
} else {
result.append(currentChar);
}
}
return result.toString();
}
}
续：在unicode官方还发现一篇关于GB 18030-2022的征求意见稿，里面包含了目前发布的国家标准|GB 18030-2022 (samr.gov.cn)中未包含的一些字符