Java Web中涉及的編解碼

標籤：style   blog   http   java   使用   os   strong   檔案   

使用者從瀏覽器發起一個HTTP請求，存在編碼的地方是URL、Cookie、Paramiter。伺服器端接收到HTTP請求後要解析HTTP協議，其中URL、Cookie和POST表單參數要解碼，伺服器端可能還需要讀取硬碟資料（資料庫、檔案），這些資料都可能存在編碼問題。當Servlet處理完所有請求的資料後，需要將這些資料再編碼通過Socket發送到使用者請求的瀏覽器裡，再經過瀏覽器解碼成為文本。這些過程用圖表示如下：

1.URL的編解碼

為了驗證瀏覽器是怎麼編碼URL的，我們選擇FireFox瀏覽器並通過HTTPFox外掛程式觀察請求的URL的實際內容：

從結果上看，PathInfo是UTF-8編碼，而QueryString是GBK編碼。至於為什麼有%，是由URL的編碼規範FRC3986規定：瀏覽器編碼URL將非ASCII字元按照某種編碼格式編碼成16進位數字後將每個16進位表示的位元組前加上“%”。

從上面的測試結果可知，瀏覽器對PathInfo和QueryString的編碼是不一樣的，不同的瀏覽器對PathInfo的編碼也可能不一樣。如Chrome會對請求“http://localhost:8080/中國?中國”轉變為“http://localhost:8080/%E4%B8%AD%E5%9B%BD?%E4%B8%AD%E5%9B%BD”，這裡PathInfo和QueryString的編碼是一樣的，都是UTF-8編碼。

2.HTTP Header的編解碼

當用戶端發起一個HTTP請求時，除了上面的URL外還可能會在Header中傳遞其他的參數，如Cookie、redirectPath等，這些使用者佈建的值很可能也會存在編碼問題。

在Tomcat中，對Header中的項進行解碼是在調用request.getHeader時進行的，如果請求的Header項沒有解碼則調用MessageBytes的toString方法，這個方法將從byte從char的轉化使用的預設編碼是ISO-8859-1,而我們也不能設定Header的其他解碼格式，所以如果你設定的Header中非ASCII字元解碼肯定會有亂碼。

我們在添加Header時也是同樣的道理，不要在Header中傳遞非ASCII字元，如果一定要傳遞可以先將字元用org.apache.catalina.util.URLEncoder編碼，然後再添加到Header中，這樣在瀏覽器到伺服器的傳遞中就不會丟失資訊了，我們在訪問這些項時再按照相應的字元集解碼就好了。

3.POST表單的編解碼

POST表單參數傳遞方式與QueryString不同，它是通過HTTP的BODY傳遞到服務端的。當我們在頁面上點擊提交按鈕時瀏覽器首先將根據頁面的ContentType的Charset編碼格式對錶單填的參數進行編碼，然後提交到伺服器端。在伺服器端同樣也是用ContentType中的字元集進行解碼。所以通過POST表單提交的參數一般不會出現問題，而且這個字元集編碼是我們自己設定的。

另外，針對multipart/form-data類型的參數，也就是上傳的檔案編碼，同樣也使用ContentType定義的字元集編碼。值得注意的地方是，上傳檔案是用位元組流的方式傳輸到伺服器的本地臨時目錄，這個過程並沒有涉及字元編碼，而真正編碼是在將檔案內容添加到parameters中時，如果用這個不能編碼將會用預設編碼ISO-8859-1來編碼。

4.HTTP BODY的編解碼

當使用者請求的資源服務端已經成功擷取後，這些內容將通過Response返回給用戶端瀏覽器，這個過程先要經過編碼再到瀏覽器進行解碼，瀏覽器根據HTML的<meta HTTP-equiv=“Content-Type” content=”text/html; charset=GBK”>中的charset來解碼。如果沒有定義，那麼瀏覽器將會使用預設的編碼來解碼。

訪問資料庫都是通過用戶端JDBC驅動來完成的，用JDBC來存取資料要和資料的內建編碼保持一致，可以通過設定JDBC URL來指定。

5.JS中的編解碼

html檔案本身中的js的編碼和當前頁面中的Content-Type保持一致。

對於採用<script src=”script.js”/>類型引入的js檔案，瀏覽器就會以當前這個頁面的預設字元集解析這個JS檔案，如果外部的JS檔案的編碼格式與當前頁面的編碼格式一致，那麼可以不設定這個charset。但是如果script.js檔案的編碼格式與當前頁面的不一致，就必須要指定對應的字元集，要不然對於非ASCII字元就會出現亂碼。

6.其他需要編碼的地方

除了URL和參數編碼問題外，在服務端還有很多地方可能存在編碼，如可能需要讀取XML、Velocity模板引擎、JSP或者從資料庫讀取資料等。

 

參考資料：《深入分析Java Web技術》