關於JSP頁面中的pageEncoding和contentType兩種屬性的詳細解析__JSP

<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

 

簡單的說，pageEncoding是jsp檔案本身的編碼 contentType的charset是指伺服器發送給用戶端時的內容編碼，例如：pageEncoding="GBK"，這句話的意思是，告訴JVM 這個jsp本身採用的"GBK"編碼,在JSP編譯成Servlet傳給JVM的時候，就用“GBK”的編碼方式將Jsp網頁源檔案翻譯成統一的UTF-8形式的Java位元組碼，如果不加設定，則 JVM預設的用iso-8859這種編碼方式。 contentType裡的charset=gbk，指示的是此網頁檔案輸出到瀏覽器的輸出方式為gbk。在這個過程中，一個JSP的源檔案需要經過三個階段、兩次編碼，才能完成一次完整的輸出。

以一個JSP檔案通過Servlet容器假（設為Tomcat）輸出到瀏覽器並顯示的過程為例來說明三個階段、兩次編碼的具體過程

第一階段：第一次編碼：從JSP到Servlet（.java檔案），從pageEncoding ———>UTF-8

在第一階段中完成Jsp的第一次編碼：第一次編碼用到的指令是pageEncoding，根據pageEncoding＝“XXX”的指示，找到編碼的規則為“XXX”，伺服器在將JSP檔案編譯成.java檔案時會根據pageEncoding的設定讀取jsp，結果是由指定的編碼方案翻譯成統一的UTF-8 JAVA源碼（即.java），如果pageEncoding沒有設定，則使用預設的iso-8859這種編碼方式。設定錯了出來的就是中文亂碼。

第二階段：從Servlet檔案（.java）到Java位元組碼檔案（.class），從UTF-8———>UTF-8

第一階段是將jsp編譯成.java檔案，第二階段主要是將（.java）的源檔案翻譯成JVM可識別的java byteCode，也就是Java位元組碼檔案，是由JAVAC命令完成的，這些檔案就是通常我們所說的(.class)檔案。在這一階段中，不論JSP編寫時候用的是什麼編碼方案，經過這個階段的結果全部是UTF-8的encoding的java源碼。 JAVAC用UTF-8的encoding讀取java源碼，編譯成UTF-8 encoding的二進位碼（即.class），這是JVM對常數字串在二進位碼（java encoding）內表達的規範。這一過程是由JVM的內在規範決定的，不受外界控制項，這也是為什麼，有時候看起來是亂碼的程式能編譯通過，但是去無法正常顯示的原因。

第三階段：第二次編碼：從Tomcat伺服器到瀏覽器，從UTF-8―――>contentType

這一階段，主要是Tomcat顯示的輸出JSP網頁的過程，這在一過程中用到的指令是contentType。 Tomcat（或其的application container）載入和執行由第二階段產生出來JAVA二進位碼，輸出的結果，也就是在用戶端可見到的結果，在這事輸出過程中，由contentType屬性中的charset來指示，將UTF8形式的二進位碼以charset的編碼形式來輸出。如果沒有人為設定，則預設的是ISO8859-1.的形式。

注意的問題：以上說的這個過程在大多資料情況是普遍適用的。但這也不是絕對的, 還要看各自JSPC的處理方式. 在網頁設計中，設定pageEncoding不等於contentType, 更有利亞洲區的文字 CJKV系JSP網頁的開發和展示, (例pageEncoding=GB2312 不等於 contentType=utf-8)。 jsp檔案不像.java，.java在被編譯器讀入的時候預設採用的是作業系統所設定的locale所對應的編碼，比如中國大陸就是GBK，台灣就是BIG5或者MS950。而一般我們不管是在記事本還是在ue中寫代碼，如果沒有經過特別轉碼的話，寫出來的都是本地編碼格式的內容。所以編譯器採用的方法剛好可以讓虛擬機器得到正確的資料。 但是jsp檔案不是這樣，它沒有這個預設轉碼過程，如果指定了pageEncoding就可以實現正確轉碼了。 舉個例子: <%@ page contentType="text/html;charset=utf-8" %> 大都會列印出亂碼，因為輸入“你好”的編碼方式你沒有指定，在大多數情況下我們在中國大陸地區所用的電腦在輸入的“你好”的時候，都會用gbk來編碼，但是對伺服器而言，是否正確抓到“你好”卻不得而知。 但是如果更改為 <%@ page contentType="text/html;charset=utf-8" pageEncoding="GBK"%> 這樣就伺服器一定會是正確抓到“你好”了，這就是為什麼有兩個不同的指令設定，和兩次不同的編碼過程。

明白了這三個階段和兩次編碼過程，那麼在編程的時候，JSP網頁中、資料庫中、Web伺服器中，關於一些字元的設定就會很清楚，要不然，會設來設去，字元跟著轉來轉去，最終沒沒轉出過正確的來，記住一點，萬變不離其蹤，只要把最本質的東西搞明白，不管怎麼變都不會有太大的問題。

近期筆者會把資料庫與網頁互動過程中出現的一些亂碼問題、字元集問題、編碼規則問題再整理下，在下一篇文章中與讀者見面。