淺析Servlet和Jsp中的多國語言顯示

因為一直不信Java竟會有不能混排顯示多國語言的BUG，這個周末研究了一下Servlet、Jsp的多國語言 顯示的問題，也就是Servlet的多字元集問題，由於我對字元集的概念還不是很清晰所以寫出的東西未必 是準確的，我是這樣理解Java中的字元集的：在運行時，每個字串對象中儲存的都是編碼為UNICODE內 碼的（筆者認為所有的語言中都是有相應編碼的，因為在電腦內部字串總是用內碼來表示的，只不過 一般電腦語言中的字串編碼時平台相關的，而Java則採用了平台無關的UNICODE）。

Java從一個byte流中讀取一個字串時，將把平台相關的byte轉變為平台無關的Unicode字串。在輸 出時Java將把Unicode字串轉變為平台相關的byte流，如果某個Unicode字元在某個平台上不存在，將會 輸出一個´?´。舉個例子：在中文Windows中，Java讀出一個"GB2312"編碼的檔案 （可以是任何流）到記憶體中構造字串對象，將會把GB2312編碼的文字轉變為Unicode編碼的字串，如 果把這個字串輸出又將會把Unicode字串轉化為GB2312的byte流或數組："中文測試"---- ->"u4e2du6587u6d4bu8bd5"----->"中文測試"。

byte[]　bytes　=　new　byte[]{(byte)0xd6,　(byte)0xd0,　(byte)0xce,
(byte)0xc4,　(byte)0xb2,　(byte)0xe2,　(byte)0xca,　(byte)0xd4};//GBK編碼的"中文測試 "
java.io.ByteArrayInputStream　bin　=　new　java.io.ByteArrayInputStream(bytes);
java.io.BufferedReader　reader　=new　java.io.BufferedReader(new　java.io.　InputStreamReader　(bin,"GBK"));
String　msg　=　reader.readLine();
System.out.println(msg)

這段程式放到包含"中文測試"這四個字的系統（如中文系統）中，可以正確地列印出這些 字。msg字串中包含了正確的"中文測試"的Unicode編碼： "u4e2du6587u6d4bu8bd5"，列印時轉換為作業系統的預設字元集，是否可以正確顯示依賴於操 作系統的字元集，只有在支援相應字元集的系統中，我們的資訊才能正確的輸出，否則得到的將會是垃圾 。

話入正題，我們來看看Servlet/Jsp中的多語言問題。我們的目標是，任一國家的用戶端通過Form向 Server發送資訊，Server把資訊存入資料庫中，用戶端在檢索時仍然能夠看到自己發送的正確資訊。事實 上，我們要保證，最終Server中的SQL語句中儲存的時包含用戶端發送文字的正確Unicode編碼；DBC與數 據庫通訊時採用的編碼方式能包含用戶端發送的文字資訊，事實上，最好讓JDBC直接使用UNICODE/UTF8與 資料庫通訊！這樣就可以確保不會丟失資訊；Server向用戶端發送的資訊時也要採用不丟失資訊的編碼方 式，也可以是Unicode/Utf8。

如果不指定Form的Enctype屬性，Form將把輸入的內容依照當前頁面的編碼字元集urlencode之後再提 交，伺服器端得到是urlencoding的字串。編碼後得到的urlencoding字串是與頁面的編碼相關的，如 gb2312編碼的頁面提交"中文測試"，得到的是"%D6%D0%CE%C4%B2%E2%CA%D4"，每個 "％"後跟的是16進位的字串；而在UTF8編碼時得到的卻是"%E4%B8%AD%E6%96%87%E6% B5%8B%E8%AF%95"，因為GB2312編碼中一個漢字是16位的，而UTF8中一個漢字卻是24位的。中日韓三 國的ie4以上瀏覽器均支援UTF8編碼，這種方案肯定包涵了這三國語言，所以我們如果讓Html頁面使用 UTF8編碼那麼將至少可以支援這三國語言。

但是，如果我們html/Jsp頁面使用UTF8編碼，因為應用程式伺服器可能不知道這種情況，因為如果瀏 覽器發送的資訊不包含charset資訊，至多Server知道讀到Accept-Language請求投標，我們知道僅靠這個 投標是不能獲知瀏覽器所採用編碼的，所以應用程式伺服器不能正確解析提交的內容，為什嗎？因為Java 中的所有字串都是Unicode16位編碼的，HttpServletRequest.request(String)的功能就是把用戶端提 交的Urlencode編碼的資訊轉為Unicode字串，有些Server只能認為用戶端的編碼和Server平台相同，簡 單地使用URLDecoder.decode(String)方法直接解碼，如果用戶端編碼恰好和Server相同，那麼就可以得 到正確地字串，否則，如果提交地字串中包含了當地字元，那麼將會導致垃圾資訊。