javaEE中的字元編碼問題

標籤：property   strong   tomcat   page   獲得   tomcat5.0   bytes   設定   asc   

0 web.xml中註冊的CharacterEncodingFilter

<!-- 配置字元集過濾器 --><filter>    <filter-name>encodingFilter</filter-name>    <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class>    <init-param>        <param-name>encoding</param-name>        <param-value>UTF-8</param-value>    </init-param></filter>

上面的配置相當於servlet中的 request.setCharacterEncoding("UTF-8")。

 

1 post請求

    通過jquery.ajax的post請求，不進行request.setCharacterEncoding("UTF-8");也可以收到中文，我發現收到請求後直接request.getCharacterEncoding得到的已經是UTF-8了。查看Request頭部發現含有charset=UTF-8。可能因為要求標頭裡指定了編碼方式，所以將按照這種方式編碼。

    而對於form表單的post請求，request.getCharacterEncoding得到的是null，所以需要進行request.setCharacterEncoding。

    所以最好都設定上request.setCharacterEncoding("UTF-8");以應付不同的請求。

 

2 get請求

    但是上面的設定方法是針對POST請求的，tomacat對GET和POST請求處理方式是不同的。在Tomcat5.0中，預設情況下使用ISO- 8859-1對URL提交的資料和表單中GET方式提交的資料進行重新編碼（解碼），而不使用request.getCharacterEncoding裡的參數對URL提交的資料和表單中GET方式提交的資料進行重新編碼（解碼）。

    要解決該問題（也可以在java後台中用getBytes轉換），應該在Tomcat的設定檔server.xml的Connector標籤中設定useBodyEncodingForURI或者 URIEncoding屬性，其中useBodyEncodingForURI參數表示是否用request.setCharacterEncoding 參數對URL提交的資料和表單中GET方式提交的資料進行重新編碼，在預設情況下，該參數為false（Tomcat4.0中該參數預設為true）。URIEncoding參數指定對所有GET方式請求（包括URL提交的資料和表單中GET方式提交的資料）進行統一的重新編碼（解碼）的編碼。

<Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443" useBodyEncodingForURI="true"/>

    URIEncoding和useBodyEncodingForURI區別是，URIEncoding是對所有GET方式的請求的資料進行統一的重新編碼（解碼），而useBodyEncodingForURI則是根據響應該請求的頁面的request.setCharacterEncoding參數對資料進行的重新編碼（解碼），不同的頁面可以有不同的重新編碼（解碼）的編碼。所以對於URL提交的資料和表單中GET方式提交的資料，可以修改 URIEncoding參數為瀏覽器編碼或者修改useBodyEncodingForURI為true（這個時候request.setCharacterEncoding為null），並且在獲得資料的JSP頁面中 request.setCharacterEncoding參數設定成瀏覽器編碼。

 

3 編碼順序

    對於發送資料，伺服器按照response.setCharacterEncoding—contentType—pageEncoding的優先順序，對要發送的資料進行編碼。

    1、pageEncoding="UTF-8"的作用是設定JSP編譯成Servlet時使用的編碼。

    2、contentType="text/html;charset=UTF-8"的作用是指定對伺服器響應進行重新編碼的編碼。

    3、request.setCharacterEncoding("UTF-8")的作用是設定對用戶端請求進行重新編碼的編碼。

    4、response.setCharacterEncoding("UTF-8")的作用是指定對伺服器響應進行重新編碼的編碼。同時，瀏覽器也是根據這個參數（附在http回應標頭中的charset）來對其接收到的資料進行重新編碼（或者稱為解碼）。Html中meta也有個charset，這個是儲存本地離線網頁時起作用，因為這時沒有方法頭。

    值得注意的是，jsp檔案的編碼方式：在JSP標準的文法中，如果 pageEncoding屬性存在，那麼JSP頁面的字元編碼方式就由pageEncoding決定，否則就由contentType屬性中的 charset決定，如果charset也不存在，JSP頁面的字元編碼方式就採用預設的ISO-8859-1（在eclipse中可以自行設定檔的預設編碼方式）。

 

4 其它    

    Java編譯時間，jvm按照系統預設（我們常用的運行環境一般為eclipse或者作業系統，eclipse的預設編碼格式可以自己調整；中文作業系統預設使用GBK格式）或者按照指定的字元集（javac –encoding xxx）將源檔案轉化為unicode格式儲存在記憶體中編譯（Java記憶體中採用unicode編碼，一個字元佔兩位元組）。編譯後字元資料會以UNICODE格式存入位元組碼檔案中，產生class檔案。

    在運行過程中，JAVA也是採用UNICODE編碼的，並且預設輸入和輸出的都是作業系統的預設編碼。System.getProperty("file.encoding");查看系統預設編碼。

    在前端，我們可以用JS指令碼來對參數編碼：encodeURIComponent()，在JAVA端，可以用java.net.URLDecoder.decode來解碼。不過這裡要注意一個問題，就是TOMCAT會自動先對URL 做一次decode，我們可以在TOMCAT的UDecoder類中看到這一點。不過TOMCAT並非使用了URLDecoder.decode，而是自己編寫了一個decode函數。網上有些文章上介紹過一種處理亂碼的方法便是在JS中對參數做兩次encodeURIComponent，在JAVA中做 一次decode，可以解決一些沒有設定URIEncoding時發生的亂碼問題。（解釋如）

5 unicode和utf8

(1) ASCII碼，8位，0到127（包括英文字母、標點等），128到255為擴充ASCII

(2) GBK：16位，一個漢字兩個位元組，一個英文一個位元組

(3) Unicode（統一碼），編碼方案，為全世界每個字元設定唯一的編碼。Unicode目前普遍採用的是UCS-2，它用兩個位元組來編碼一個字元。Unicode也有UCS-4規範，就是用 4個位元組來編碼字元。

(4) utf8：UTF-8是一種unicode的實現方式，它是一種變長的編碼方式。它可以使用1~4個位元組表示一個符號，根據不同的符號而變化位元組長度。，注意的是unicode一個中文字元佔2個位元組，而UTF-8一個中 文字元佔3個位元組）。從unicode到uft-8並不是直接的對應，而是要過一些演算法和規則來轉換。如所示。

例1：“漢”字的Unicode編碼是0x6C49。0x6C49在0x0800-0xFFFF之間，使用用3位元組模板了：1110xxxx 10xxxxxx 10xxxxxx。將0x6C49寫成二進位是：0110 1100 0100 1001， 用這個位元流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89

 

javaEE中的字元編碼問題