搞定URL中文編碼

搞定URL中文編碼

原先以為這樣就可以

public static String StrToURL(String str) {
        String result = null;
        try {
            result = URLEncoder.encode(str, "utf-8");// gb2312
        } catch (UnsupportedEncodingException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        return result;
    }

    public static String URLtoStr(String url) {
        String result = null;
        try {
            result = URLDecoder.decode(url, "utf-8");
            // 空格替換成加號
            result = result.replaceAll(" ", "+");
        } catch (UnsupportedEncodingException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        return result;
    }

沒想到中文還是亂碼，通過抓包發現傳過來的東西沒錯，發現是tomcat的問題，加了下面的就可以了

<Connector port="8236" protocol="HTTP/1.1"  redirectPort="8443"  URIEncoding="UTF-8" />

 

 

 

 

 

 

/*

　　網頁中的表單使用POST方法提交時，資料內容的類型是 application/x-www-form-urlencoded，這種類型會：

　　1.字元"a"-"z"，"A"-"Z"，"0"-"9"，"."，"-"，"*"，和"_" 都不會被編碼;

　　2.將空格轉換為加號 (+) ;

　　3.將非常值內容轉換成"%xy"的形式,xy是兩位16進位的數值;

　　4.在每個 name=value 對之間放置 & 符號。

　　*/

　　URLEncoder類包含將字串轉換為application/x-www-form-urlencoded MIME 格式的靜態方法。

　　web設計者面臨的眾多難題之一便是怎樣處理不同作業系統間的差異性。這些差異效能引起URL方面的問題：例如，一些作業系統允許檔案名稱中含有空格符，有些又不允許。大多數作業系統不會認為檔案名稱中含有符號“#”會有什麼特殊含義;但是在一個URL中，符號“#”表示該檔案名稱已經結束，後面會緊跟一個fragment(部分)標識符。其他的特殊字元，非字母數字字元集，它們在URL或另一個作業系統上都有其特殊的含義，表述著相似的問題。為瞭解決這些問題，我們在URL中使用的字元就必須是一個ASCII字元集的固定字集中的元素，具體如下：

　　1.大寫字母A-Z

　　2.小寫字母a-z

　　3.數字 0-9

　　4.標點符 - _ . ! ~ * ' (和 ,)

　　諸如字元: / & ? @ # ; $ + = 和 %也可以被使用，但是它們各有其特殊的用途，如果一個檔案名稱包括了這些字元( / & ? @ # ; $ + = %)，這些字元和所有其他字元就應該被編碼。

　　編碼過程非常簡單，任何字元只要不是ASCII碼數字，字母，或者前面提到的標點符，它們都將被轉換成位元組形式，每個位元組都寫成這種形式：一個 “%”後面跟著兩位16進位的數值。空格是一個特殊情況，因為它們太平常了。它除了被編碼成“%20”以外，還能編碼為一個“+”。加號(+)本身被編碼為%2B。當/ # = & 和?作為名字的一部分來使用時，而不是作為URL部分之間的分隔字元來使用時，它們都應該被編碼。

　　WARNING這種策略在存在大量字元集的異構環境中效果不甚理想。例如：在U.S. Windows 系統中, é 被編碼為 %E9. 在 U.S. Mac中被編碼為%8E。這種不確定性存在是現存的URI的一個明顯的不足。所以在將來URI的規範當中應該通過國際資源標識符(IRIs)進行改善。

　　類URL並不自動執行編碼或解碼工作。你能產生一個URL對象，它可以包括非法的ASCII和非ASCII字元和/或%xx。當用方法 getPath() 和toExternalForm( ) 作為輸出方法時，這種字元和轉移符不會自動編碼或解碼。你應對被用來產生一個URL對象的字串對象負責，確保所有字元都會被恰當地編碼。

　　幸運的是，java提供了一個類URLEncoder把string編碼成這種形式。Java1.2增加了一個類URLDecoder它能以這種形式解碼string。這兩個類都不用初始化：

　　public class URLDecoder extends Object

　　public class URLEncoder extends Object

　　一、URLEncoder

　　在java1.3和早期版本中，類java.net.URLEncoder包括一個簡單的靜態方法encode( )， 它對string以如下規則進行編碼：

　　public static String encode(String s)

　　這個方法總是用它所在平台的預設編碼形式，所以在不同系統上，它就會產生不同的結果。結果java1.4中，這個方法被另一種方法取代了。該方法要求你自己指定編碼形式：

　　public static String encode(String s, String encoding) throws UnsupportedEncodingException

　　兩種關於編碼的方法，都把任何非字母數字字元轉換成%xx(除了空格，底線(_)，連字號(?),句號(。),和星號(*))。兩者也都編碼所以的非ASCII字元。空格被轉換成一個加號。這些方法有一點過分累贅了;它們也把“~”，“‘”，“()”轉換成%xx，即使它們完全用不著這樣做。儘管這樣，但是這種轉換並沒被URL規範所禁止。所以web瀏覽器會自然地處理這些被過分編碼後的URL。

　　兩中關於編碼的方法都返回一個新的被編碼後的string，java1.3的方法encode( ) 使用了平台的預設編碼形式，得到%xx。這些編碼形式典型的有：在 U.S. Unix 系統上的ISO-8859-1, 在U.S. Windows 系統上的Cp1252,在U.S. Macs上的MacRoman，和其他本地字元集等。因為編碼解碼過程都是與本地操作平台相關的，所以這些方法是令人不爽的，不能跨平台的。

　　這就明確地回答了為什麼在java1.4中這種方法被拋棄了，轉而投向了要求以自己指定編碼形式的這種方法。儘管如此，如果你執意要使用所在平台的預設編碼形式，你的程式將會像在java1.3中的程式一樣，是本地平台相關的。在另一種編碼的方法中，你應該總是用UTF-8，而不是其他什麼。 UTF-8比起你選的其他的編碼形式來說，它能與新的web瀏覽器和更多的其他軟體相相容。

　　例子7-8是使用URLEncoder.encode( ) 來列印輸出各種被編碼後的string。它需要在java1.4或更新的版本中編譯和運行。

　　Example 7-8. x-www-form-urlencoded strings

　　import java.net.URLEncoder;
　　import java.net.URLDecoder;
　　import java.io.UnsupportedEncodingException;
　　public class EncoderTest {
　　public static void main(String[] args) {
　　try {
　　System.out.println(URLEncoder.encode("This string has spaces","UTF-8"));
　　System.out.println(URLEncoder.encode("This*string*has*asterisks","UTF-8"));
　　System.out.println(URLEncoder.encode("This%string%has%percent%signs", "UTF-8"));
　　System.out.println(URLEncoder.encode("This+string+has+pluses","UTF-8"));
　　System.out.println(URLEncoder.encode("This/string/has/slashes","UTF-8"));
　　System.out.println(URLEncoder.encode("This"string"has"quote"marks", "UTF-8"));
　　System.out.println(URLEncoder.encode("This:string:has:colons","UTF-8"));
　　System.out.println(URLEncoder.encode("This~string~has~tildes","UTF-8"));
　　System.out.println(URLEncoder.encode("This(string)has(parentheses)", "UTF-8"));
　　System.out.println(URLEncoder.encode("This.string.has.periods","UTF-8"));
　　System.out.println(URLEncoder.encode("This=string=has=equals=signs", "UTF-8"));
　　System.out.println(URLEncoder.encode("This&string&has&ersands","UTF-8"));
　　System.out.println(URLEncoder.encode("Thiséstringéhasé non-ASCII characters","UTF-8"));
　　// System.out.println(URLEncoder.encode("this中華人民共和國","UTF-8"));

　　} catch (UnsupportedEncodingException ex) {throw new RuntimeException("
Broken VM does not support UTF-8");
　　}
　　}
　　}

　　下面就是它的輸出。需要注意的是這些代碼應該以其他編碼形式被儲存而不是以ASCII碼的形式，還有就是你選擇的編碼形式應該作為一個參數傳給編譯器，讓編譯器能據此對原始碼中的非ASCII字元作出正確的解釋。

　　% javac -encoding UTF8 EncoderTest %

　　java EncoderTest

　　This+string+has+spaces

　　This*string*has*asterisks

　　This%25string%25has%25percent%25signs

　　This%2Bstring%2Bhas%2Bpluses

　　This%2Fstring%2Fhas%2Fslashes

　　This%22string%22has%22quote%22marks

　　This%3Astring%3Ahas%3Acolons

　　This%7Estring%7Ehas%7Etildes

　　This%28string%29has%28parentheses%29

　　This.string.has.periods

　　This%3Dstring%3Dhas%3Dequals%3Dsigns

　　This%26string%26has%26ampersands

　　This%C3%A9string%C3%A9has%C3%A9non-ASCII+characters

　　特別需要注意的是這個方法編碼了符號，“\” ,&,=,和：。它不會嘗試著去規定在一個URL中這些字元怎樣被使用。由此，所以你不得不分塊編碼你的URL,而不是把整個URL一次傳給這個方法。這是很重要的，因為對類URLEncoder最通常的用法就是查詢string，為了和伺服器端使用GET方法的程式進行互動。例如，假設你想編碼這個查詢sting，它用來搜尋AltaVista網站：

　　pg=q&kl=XX&stype=stext&q=+"Java+I/O"&search.x=38&search.y=3

　　這段代碼對其進行編碼：

　　String query = URLEncoder.encode( "pg=q&kl=XX&stype=stext&q=+"Java+I/O"&search.x=38&search.y=3");System.out.println(query);

　　不幸的是，得到的輸出是:

　　pg%3Dq%26kl%3DXX%26stype%3Dstext%26q%3D%2B%22Java%2BI%2FO%22%26search.x%3D38%26search.y%3D3

　　出現這個問題就是方法URLEncoder.encode( ) 在進行盲目地編碼。它不能區分在URL或者查詢string中被用到的特殊字元(象前面string中的“=”，和“&”)和確實需要被編碼的字元。由此，所以URL需要像下面這樣一次只編碼一塊：

　　String query = URLEncoder.encode("pg");
　　query += "=";
　　query += URLEncoder.encode("q");
　　query += "&";
　　query += URLEncoder.encode("kl");
　　query += "=";
　　query += URLEncoder.encode("XX");
　　query += "&";
　　query += URLEncoder.encode("stype");
　　query += "=";
　　query += URLEncoder.encode("stext");
　　query += "&";
　　query += URLEncoder.encode("q");
　　query += "=";
　　query += URLEncoder.encode(""Java I/O"");
　　query += "&";
　　query += URLEncoder.encode("search.x");
　　query += "=";
　　query += URLEncoder.encode("38");
　　query += "&";
　　query += URLEncoder.encode("search.y");
　　query += "=";
　　query += URLEncoder.encode("3");
　　System.out.println(query);

　　這才是你真正想得到的輸出：

　　pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3

　　例子7-9是一個QueryString類。在一個java對象中，它使用了類URLEncoder來編碼連續的屬性名稱和屬性值對，這個java對象被用來發送資料到伺服器端的程式。

　　當你在建立一個QueryString對象時，你可以把查詢string中的第一個屬性對傳遞給類QueryString的建構函式，得到初始 string。如果要繼續加入後面的屬性對，就應調用方法add()，它也能接受兩個string作為參數，能對它們進行編碼。方法getQuery( )返回一個屬性對被逐個編碼後得到的整個string。

　　Example 7-9. -The QueryString class

　　package com.macfaq.net;
　　import java.net.URLEncoder;
　　import java.io.UnsupportedEncodingException;
　　public class QueryString {
　　private StringBuffer query = new StringBuffer();
　　public QueryString(String name, String value) {
　　encode(name, value);
　　}
　　public synchronized void add(String name, String value) {
　　query.append('&');
　　encode(name, value);
　　}
　　private synchronized void encode(String name, String value) {
　　try {
　　query.append(URLEncoder.encode(name, "UTF-8"));
　　query.append('=');
　　query.append(URLEncoder.encode(value, "UTF-8"));
　　} catch (UnsupportedEncodingException ex) {
　　throw new RuntimeException("Broken VM does not support UTF-8");
　　}
　　}
　　public String getQuery() {
　　return query.toString();
　　}
　　public String toString() {
　　return getQuery();
　　}
　　}

　　利用這個類，現在我們就能對前面那個例子中的string進行編碼了:

　　QueryString qs = new QueryString("pg", "q");
　　qs.add("kl", "XX");
　　qs.add("stype", "stext");
　　qs.add("q", "+"Java I/O"");
　　qs.add("search.x", "38");
　　qs.add("search.y", "3");
　　String url = "http://www.altavista.com/cgi-bin/query?" + qs;
　　System.out.println(url);

　　二、URLDecoder

　　與URLEncoder 類相對應的URLDecoder 類有兩種靜態方法。它們解碼以x-www-form-url-encoded這種形式編碼的string。也就是說，它們把所有的加號(+)轉換成空格符，把所有的%xx分別轉換成與之相對應的字元：

　　public static String decode(String s) throws Exception
　　public static String decode(String s, String encoding) // Java 1.4 throws 
UnsupportedEncodingException

　　第一種解碼方法在java1.3和java1.2中使用。第二種解碼方法在java1.4和更新的版本中使用。如果你拿不定主意用哪種編碼方式，那就選擇UTF-8吧。它比其他任何的編碼形式更有可能得到正確的結果。

　　如果string包含了一個“%”，但緊跟其後的不是兩位16進位的數或者被解碼成非法序列，該方法就會拋出 IllegalArgumentException 異常。當下次再出現這種情況時，它可能就不會被拋出了。這是與運行環境相關的，當檢查到有非法序列時，拋不拋出 IllegalArgumentException 異常，這時到底會發生什麼是不確定的。在Sun's JDK 1.4中，不會拋出什麼異常，它會把一些莫名其妙的位元組加進不能被順利編碼的string中。這的確令人頭疼，可能就是一個安全性漏洞。

　　由於這個方法沒有觸及到非逸出字元，所以你可以把整個URL作為參數傳給該方法，不用像之前那樣分塊進行。例如：

　　String input = "http://www.altavista.com/cgi-bin/" + "query?
pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3";

　　try {
　　String output = URLDecoder.decode(input, "UTF-8");
　　System.out.println(output);
　　}