深入剖析JSP和Servlet對中文的處理過程

來源:互聯網
上載者:User
js|servlet|過程|中文 概述



世界上的各地區都有本地的語言。地區差異直接導致了語言環境的差異。在開發一個國際化程式的過程中,處理語言問題就顯得很重要了。

這是一個世界範圍內都存在的問題,所以,Java提供了世界性的解決方案。本文描述的方法是用於處理中文的,但是,推而廣之,對於處理世界上其它國家和地區的語言同樣適用。

漢字是雙位元組的。所謂雙位元組是指一個雙字要佔用兩個BYTE的位置(即16位),分別稱為高位和低位。中國規定的漢字編碼為GB2312,這是強制性的,目前幾乎所有的能處理中文的應用程式都支援GB2312。GB2312包括了一二級漢字和9區符號,高位從0xa1到0xfe,低位也是從0xa1到0xfe,其中,漢字的編碼範圍為0xb0a1到0xf7fe。

另外有一種編碼,叫做GBK,但這是一份規範,不是強制的。GBK提供了20902個漢字,它相容GB2312,編碼範圍為0x8140到0xfefe。GBK中的所有字元都可以一一映射到Unicode 2.0。

在不久的將來,中國會頒布另一種標準:GB18030-2000(GBK2K)。它收錄了藏、蒙等少數民族的字型,從根本上解決了字位不足的問題。注意:它不再是定長的。其二位元組部份與GBK相容,四位元組部分是擴充的字元、字形。它的首位元組和第三位元組從0x81到0xfe,二位元組和第四位元組從0x30到0x39。

本文不打算介紹Unicode,有興趣的可以瀏覽“http://www.unicode.org/”查看更多的資訊。Unicode有一個特性:它包括了世界上所有的字元字形。所以,各個地區的語言都可以建立與Unicode的映射關係,而Java正是利用了這一點以達到異種語言之間的轉換。

在JDK中,與中文相關的編碼有:

表1 JDK中與中文相關的編碼列表

編碼名稱
說    明

ASCII
7位,與ascii7相同

ISO8859-1
8-位,與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同

GB2312-80
16位,與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同

GBK
與MS936相同,注意:區分大小寫

UTF8
與UTF-8相同

GB18030
與cp1392、1392相同,目前支援的JDK很少


在實際編程時,接觸得比較多的是GB2312(GBK)和ISO8859-1。



為什麼會有“?”號



上文說過,異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言A和B,轉換的步驟為:先把A轉化為Unicode,再把Unicode轉化為B。

舉例說明。有GB2312中有一個漢字“李”,其編碼為“C0EE”,欲轉化為ISO8859-1編碼。步驟為:先把“李”字轉化為Unicode,得到“674E”,再把“674E”轉化為ISO8859-1字元。當然,這個映射不會成功,因為ISO8859-1中根本就沒有與“674E”對應的字元。

當映射不成功時,問題就發生了!當從某語言向Unicode轉化時,如果在某語言中沒有該字元,得到的將是Unicode的代碼“\uffffd”(“\u”表示是Unicode編碼,)。而從Unicode向某語言轉化時,如果某語言沒有對應的字元,則得到的是“0x3f”(“?”)。這就是“?”的由來。

例如:把字元流buf =“0x80 0x40 0xb0 0xa1”進行new String(buf, "gb2312")操作,得到的結果是“\ufffd\u554a”,再println出來,得到的結果將是“?啊”,因為“0x80 0x40”是GBK中的字元,在GB2312中沒有。

再如,把字串String="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"進行new String (buf.getBytes("GBK"))操作,得到的結果是“3fa8aca8a6463fa8b4”,其中,“\u00d6”在“GBK”中沒有對應的字元,得到“3f”,“\u00ec”對應著“a8ac”,“\u00e9”對應著“a8a6”,“0046”對應著“46”(因為這是ASCII字元),“\u00bb”沒找到,得到“3f”,最後,“\u00f9”對應著“a8b4”。把這個字串println一下,得到的結果是“?ìéF?ù”。看到沒?這裡並不全是問號,因為GBK與Unicode映射的內容中除了漢字外還有字元,本例就是最好的明證。

所以,在漢字轉碼時,如果發生錯亂,得到的不一定都是問號噢!不過,錯了終究是錯了,50步和100步並沒有質的差別。

或者會問:如果源字元集中有,而Unicode中沒有,結果會如何?回答是不知道。因為我手頭沒有能做這個測試的源字元集。但有一點是肯定的,那就是源字元集不夠規範。在Java中,如果發生這種情況,是會拋出異常的。



什麼是UTF



UTF,是Unicode Text Format的縮寫,意為Unicode文字格式設定。對於UTF,是這樣定義的:

(1)如果Unicode的16位字元的頭9位是0,則用一個位元組表示,這個位元組的首位是“0”,剩下的7位與原字元中的後7位相同,如“\u0034”(0000 0000 0011 0100),用“34” (0011 0100)表示;(與源Unicode字元是相同的);

(2)如果Unicode的16位字元的頭5位是0,則用2個位元組表示,首位元組是“110”開頭,後面的5位與源字元中除去頭5個零後的最高5位相同;第二個位元組以“10”開頭,後面的6位與源字元中的低6位相同。如“\u025d”(0000 0010 0101 1101),轉化後為“c99d”(1100 1001 1001 1101);

(3)如果不符合上述兩個規則,則用三個位元組表示。第一個位元組以“1110”開頭,後四位為源字元的高四位;第二個位元組以“10”開頭,後六位為源字元中間的六位;第三個位元組以“10”開頭,後六位為源字元的低六位;如“\u9da7”(1001 1101 1010 0111),轉化為“e9b6a7”(1110 1001 1011 0110 1010 0111);

可以這麼描述JAVA程式中Unicode與UTF的關係,雖然不絕對:字串在記憶體中運行時,表現為Unicode代碼,而當要儲存到檔案或其它介質中去時,用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。



好了,基礎性的論述差不多了,下面進入正題。



先把這個問題想成是一個黑匣子。先看黑匣子的一級表示:

input(charsetA)->process(Unicode)->output(charsetB)

簡單,這就是一個IPO模型,即輸入、處理和輸出。同樣的內容要經過“從charsetA到unicode再到charsetB”的轉化。

再看二級表示:

SourceFile(jsp,java)->class->output


在這個圖中,可以看出,輸入的是jsp和java源檔案,在處理過程中,以Class檔案為載體,然後輸出。再細化到三級表示:

jsp->temp file->class->browser,os console,db

app,servlet->class->browser,os console,db



這個圖就更明白了。Jsp檔案先產生中間的Java檔案,再產生Class。而Servlet和普通App則直接編譯產生Class。然後,從Class再輸出到瀏覽器、控制台或資料庫等。



JSP:從源檔案到Class的過程



Jsp的源檔案是以“.jsp”結尾的文字檔。在本節中,將闡述JSP檔案的解釋和編譯過程,並跟蹤其中的中文變化。

1、JSP/Servlet引擎提供的JSP轉換工具(jspc)搜尋JSP檔案中用<%@ page contentType ="text/html; charset=<Jsp-charset>"%>中指定的charset。如果在JSP檔案中未指定<Jsp-charset>,則取JVM中的預設設定file.encoding,一般情況下,這個值是ISO8859-1;

2、jspc用相當於“javac –encoding <Jsp-charset>”的命令解釋JSP檔案中出現的所有字元,包括中文字元和ASCII字元,然後把這些字元轉換成Unicode字元,再轉化成UTF格式,存為JAVA檔案。ASCII碼字元轉化為Unicode字元時只是簡單地在前面加“00”,如“A”,轉化為“\u0041”(不需要理由,Unicode的碼錶就是這麼編的)。然後,經過到UTF的轉換,又變回“41”了!這也就是可以使用普通文字編輯器查看由JSP產生的JAVA檔案的原因;

3、引擎用相當於“javac –encoding UNICODE”的命令,把JAVA檔案編譯成CLASS檔案;

先看一下這些過程中中文字元的轉換情況。有如下原始碼:

<%@ page contentType="text/html; charset=gb2312"%>

<html><body>

<%

String a="中文";

out.println(a);

%>

</body></html>


這段代碼是在UltraEdit for Windows上編寫的。儲存後,“中文”兩個字的16進位編碼為“D6 D0 CE C4”(GB2312編碼)。經查表,“中文”兩字的Unicode編碼為“\u4E2D\u6587”,用 UTF表示就是“E4 B8 AD E6 96 87”。開啟引擎產生的由JSP檔案轉變而成的JAVA檔案,發現其中的“中文”兩個字確實被“E4 B8 AD E6 96 87”替代了,再查看由JAVA檔案編譯產生的CLASS檔案,發現結果與JAVA檔案中的完全一樣。

再看JSP中指定的CharSet為ISO-8859-1的情況。

<%@ page contentType="text/html; charset=ISO-8859-1"%>

<html><body>

<%

String a="中文";

out.println(a);

%>

</body></html>


同樣,該檔案是用UltraEdit編寫的,“中文”這兩個字也是存為GB2312編碼“D6 D0 CE C4”。先類比一下產生的JAVA檔案和CLASS檔案的過程:jspc用ISO-8859-1來解釋“中文”,並把它映射到Unicode。由於ISO-8859-1是8位的,且是拉丁語系,其映射規則就是在每個位元組前加“00”,所以,映射後的Unicode編碼應為“\u00D6\u00D0\u00CE\u00C4”,轉化成UTF後應該是“C3 96 C3 90 C3 8E C3 84”。好,開啟檔案看一下,JAVA檔案和CLASS檔案中,“中文”果然都表示為“C3 96 C3 90 C3 8E C3 84”。

如果上述代碼中不指定<Jsp-charset>,即把第一行寫成“<%@ page contentType="text/html" %>”,JSPC會使用file.encoding的設定來解釋JSP檔案。在RedHat 6.2上,其處理結果與指定為ISO-8859-1是完全相同的。

到現在為止,已經解釋了從JSP檔案到CLASS檔案的轉變過程中中文字元的映射過程。一句話:從“JspCharSet到Unicode再到UTF”。下表總結了這個過程:

表2 “中文”從JSP到CLASS的轉化過程

Jsp-CharSet
JSP檔案中
JAVA檔案中
CLASS檔案中

GB2312
D6 D0 CE C4

(GB2312)
從\u4E2D\u6587(Unicode)到

E4 B8 AD E6 96 87 (UTF)
E4 B8 AD E6 96 87 (UTF)

ISO-8859-1
D6 D0 CE C4

(GB2312)
從\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF)
C3 96 C3 90 C3 8E C3 84 (UTF)

無(預設=file.encoding)
同ISO-8859-1
同ISO-8859-1
同ISO-8859-1




下節先討論Servlet從JAVA檔案到CLASS檔案的轉化過程,然後再解釋從CLASS檔案如何輸出到用戶端。之所以這樣安排,是因為JSP和Servlet在輸出時處理方法是一樣的。



Servlet:從源檔案到Class的過程



Servlet源檔案是以“.java”結尾的文字檔。本節將討論Servlet的編譯過程並跟蹤其中的中文變化。

用“javac”編譯Servlet源檔案。javac可以帶“-encoding <Compile-charset>”參數,意思是“用< Compile-charset >中指定的編碼來解釋Serlvet源檔案”。

源檔案在編譯時間,用<Compile-charset>來解釋所有字元,包括中文字元和ASCII字元。然後把字元常量轉變成Unicode字元,最後,把Unicode轉變成UTF。

在Servlet中,還有一個地方設定輸出資料流的CharSet。通常在輸出結果前,調用HttpServletResponse的setContentType方法來達到與在JSP中設定<Jsp-charset>一樣的效果,稱之為<Servlet-charset>。

注意,文中一共提到了三個變數:<Jsp-charset>、<Compile-charset>和<Servlet-charset>。其中,JSP檔案只與<Jsp-charset>有關,而<Compile-charset>和<Servlet-charset>只與Servlet有關。

看下例:

import javax.servlet.*;

import javax.servlet.http.*;



class testServlet extends HttpServlet

{

public void doGet(HttpServletRequest req,HttpServletResponse resp)

throws ServletException,java.io.IOException

{

resp.setContentType("text/html; charset=GB2312");

java.io.PrintWriter out=resp.getWriter();

out.println("<html>");

out.println("#中文#");

out.println("</html>");

}

}


該檔案也是用UltraEdit for Windows編寫的,其中的“中文”兩個字儲存為“D6 D0 CE C4”(GB2312編碼)。

開始編譯。下表是<Compile-charset>不同時,CLASS檔案中“中文”兩字的十六進位碼。在編譯過程中,<Servlet-charset>不起任何作用。<Servlet-charset>只對CLASS檔案的輸出產生影響,實際上是<Servlet-charset>和<Compile-charset>一起,達到與JSP檔案中的<Jsp-charset>相同的效果,因為<Jsp-charset>對編譯和CLASS檔案的輸出都會產生影響。

表3 “中文”從Servlet源檔案到Class的轉變過程

Compile-charset
Servlet源檔案中
Class檔案中
等效的Unicode碼

GB2312
D6 D0 CE C4

(GB2312)
E4 B8 AD E6 96 87 (UTF)
\u4E2D\u6587 (在Unicode中=“中文”)

ISO-8859-1
D6 D0 CE C4

(GB2312)
C3 96 C3 90 C3 8E C3 84 (UTF)
\u00D6 \u00D0 \u00CE \u00C4 (在D6 D0 CE C4前面各加了一個00)

無(預設)
D6 D0 CE C4

(GB2312)
同ISO-8859-1
同ISO-8859-1




普通Java程式的編譯過程與Servlet完全一樣。



CLASS檔案中的中文標記法是不是昭然若揭了?OK,接下來看看CLASS又是怎樣輸出中文的呢?



Class:輸出字串



上文說過,字串在記憶體中表現為Unicode編碼。至於這種Unicode編碼錶示了什麼,那要看它是從哪種字元集映射過來的,也就是說要看它的祖先。這好比在託運行李時,外觀都是紙箱子,裡面裝了什麼就要看寄郵件的人實際郵了什麼東西。

看看上面的例子,如果給一串Unicode編碼“00D6 00D0 00CE 00C4”,如果不作轉換,直接用Unicode碼錶來對照它時,是四個字元(而且是特殊字元);假如把它與“ISO8859-1”進行映射,則直接去掉前面的“00”即可得到“D6 D0 CE C4”,這是ASCII碼錶中的四個字元;而假如把它當作GB2312來進行映射,得到的結果很可能是一大堆亂碼,因為在GB2312中有可能沒有(也有可能有)字元與00D6等字元對應(如果對應不上,將得到0x3f,也就是問號,如果對應上了,由於00D6等字元太靠前,估計也是一些特殊符號,真正的漢字在Unicode中的編碼從4E00開始)。

各位看到了,同樣的Unicode字元,可以解釋成不同的樣子。當然,這其中有一種是我們期望的結果。以上例而論,“D6 D0 CE C4”應該是我們所想要的,當把“D6 D0 CE C4”輸出到IE中時,用“簡體中文”方式查看,就能看到清楚的“中文”兩個字了。(當然了,如果你一定要用“西歐字元”來看,那也沒辦法,你將得不到任何有何時何地的東西)為什麼呢?因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉化過去的。

給出如下結論:

在Class輸出字串前,會將Unicode的字串按照某一種內碼重建位元組流,然後把位元組流輸入,相當於進行了一步“String.getBytes(???)”操作。???代表某一種字元集。

如果是Servlet,那麼,這種內碼就是在HttpServletResponse.setContentType()方法中指定的內碼,也就是上文定義的<Servlet-charset>。

如果是JSP,那麼,這種內碼就是在<%@ page contentType=""%>中指定的內碼,也就是上文定義的<Jsp-charset>。

如果是Java程式,那麼,這種內碼就是file.encoding中指定的內碼,預設為ISO8859-1。

當輸出對象是瀏覽器時

以流行的瀏覽器IE為例。IE支援多種內碼。假如IE接收到了一個位元組流“D6 D0 CE C4”,你可以嘗試用各種內碼去查看。你會發現用“簡體中文”時能得到正確的結果。因為“D6 D0 CE C4”本來就是簡體中文中“中文”兩個字的編碼。

OK,完整地看一遍。



JSP:源檔案為GB2312格式的文字檔,且JSP源檔案中有“中文”這兩個漢字



如果指定了<Jsp-charset>為GB2312,轉化過程如下表。

表4 Jsp-charset = GB2312時的變化過程

序號
步驟說明
結果

1
編寫JSP源檔案,且存為GB2312格式
D6 D0 CE C4

(D6D0=中 CEC4=文)

2
jspc把JSP源檔案轉化為臨時JAVA檔案,並把字串按照GB2312映射到Unicode,並用UTF格式寫入JAVA檔案中
E4 B8 AD E6 96 87

3
把臨時JAVA檔案編譯成CLASS檔案
E4 B8 AD E6 96 87

4
運行時,先從CLASS檔案中用readUTF讀出字串,在記憶體中的是Unicode編碼
4E 2D 65 87(在Unicode中4E2D=中 6587=文)

5
根據Jsp-charset=GB2312把Unicode轉化為位元組流
D6 D0 CE C4

6
把位元組流輸出到IE中,並設定IE的編碼為GB2312(作者按:這個資訊隱藏在HTTP頭中)
D6 D0 CE C4

7
IE用“簡體中文”查看結果
“中文”(正確顯示)




如果指定了<Jsp-charset>為ISO8859-1,轉化過程如下表。

表5 Jsp-charset = ISO8859-1時的變化過程

序號
步驟說明
結果

1
編寫JSP源檔案,且存為GB2312格式
D6 D0 CE C4

(D6D0=中 CEC4=文)

2
jspc把JSP源檔案轉化為臨時JAVA檔案,並把字串按照ISO8859-1映射到Unicode,並用UTF格式寫入JAVA檔案中
C3 96 C3 90 C3 8E C3 84

3
把臨時JAVA檔案編譯成CLASS檔案
C3 96 C3 90 C3 8E C3 84

4
運行時,先從CLASS檔案中用readUTF讀出字串,在記憶體中的是Unicode編碼
00 D6 00 D0 00 CE 00 C4

(啥都不是!!!)

5
根據Jsp-charset=ISO8859-1把Unicode轉化為位元組流
D6 D0 CE C4

6
把位元組流輸出到IE中,並設定IE的編碼為ISO8859-1(作者按:這個資訊隱藏在HTTP頭中)
D6 D0 CE C4

7
IE用“西歐字元”查看結果
亂碼,其實是四個ASCII字元,但由於大於128,所以顯示出來的怪模怪樣

8
改變IE的頁面編碼為“簡體中文”
“中文”(正確顯示)




奇怪了!為什麼把<Jsp-charset>設成GB2312和ISO8859-1是一個樣的,都能正確顯示?因為表4表5中的第2步和第5步互逆,是相互“抵消”的。只不過當指定為ISO8859-1時,要增加第8步操作,殊為不便。

再看看不指定<Jsp-charset> 時的情況。

表6 未指定Jsp-charset 時的變化過程

序號
步驟說明
結果

1
編寫JSP源檔案,且存為GB2312格式
D6 D0 CE C4

(D6D0=中 CEC4=文)

2
jspc把JSP源檔案轉化為臨時JAVA檔案,並把字串按照ISO8859-1映射到Unicode,並用UTF格式寫入JAVA檔案中
C3 96 C3 90 C3 8E C3 84

3
把臨時JAVA檔案編譯成CLASS檔案
C3 96 C3 90 C3 8E C3 84

4
運行時,先從CLASS檔案中用readUTF讀出字串,在記憶體中的是Unicode編碼
00 D6 00 D0 00 CE 00 C4

(啥都不是!!!)

5
根據Jsp-charset=ISO8859-1把Unicode轉化為位元組流
D6 D0 CE C4

6
把位元組流輸出到IE中
D6 D0 CE C4

7
IE用發出請求時的頁面的編碼查看結果
視情況而定。如果是簡體中文,則能正確顯示,否則,需執行表5中的第8步




Servlet:源檔案為JAVA檔案,格式是GB2312,源檔案中含有“中文”這兩個漢字



如果<Compile-charset>=GB2312,<Servlet-charset>=GB2312

表7 Compile-charset=Servlet-charset=GB2312 時的變化過程

序號
步驟說明
結果

1
編寫Servlet源檔案,且存為GB2312格式
D6 D0 CE C4

(D6D0=中 CEC4=文)

2
用javac –encoding GB2312把JAVA源檔案編譯成CLASS檔案
E4 B8 AD E6 96 87 (UTF)

3
運行時,先從CLASS檔案中用readUTF讀出字串,在記憶體中的是Unicode編碼
4E 2D 65 87 (Unicode)

4
根據Servlet-charset=GB2312把Unicode轉化為位元組流
D6 D0 CE C4 (GB2312)

5
把位元組流輸出到IE中並設定IE的編碼屬性為Servlet-charset=GB2312
D6 D0 CE C4 (GB2312)

6
IE用“簡體中文”查看結果
“中文”(正確顯示)




如果<Compile-charset>=ISO8859-1,<Servlet-charset>=ISO8859-1

表8 Compile-charset=Servlet-charset=ISO8859-1時的變化過程

序號
步驟說明
結果

1
編寫Servlet源檔案,且存為GB2312格式
D6 D0 CE C4

(D6D0=中 CEC4=文)

2
用javac –encoding ISO8859-1把JAVA源檔案編譯成CLASS檔案
C3 96 C3 90 C3 8E C3 84 (UTF)

3
運行時,先從CLASS檔案中用readUTF讀出字串,在記憶體中的是Unicode編碼
00 D6 00 D0 00 CE 00 C4

(啥都不是!!!)

4
根據Servlet-charset=ISO8859-1把Unicode轉化為位元組流
D6 D0 CE C4

5
把位元組流輸出到IE中並設定IE的編碼屬性為Servlet-charset=ISO8859-1
D6 D0 CE C4 (GB2312)

6
IE用“西歐字元”查看結果
亂碼(原因同表5)

7
改變IE的頁面編碼為“簡體中文”
“中文”(正確顯示)




如果不指定Compile-charset或Servlet-charset,其預設值均為ISO8859-1。



當Compile-charset=Servlet-charset時,第2步和第4步能互逆,“抵消”,顯示結果均能正確。讀者可試著寫一下Compile-charset<>Servlet-charset時的情況,肯定是不正確的。



當輸出對象是資料庫時

輸出到資料庫時,原理與輸出到瀏覽器也是一樣的。本節只是Servlet為例,JSP的情況請讀者自行推導。

假設有一個Servlet,它能接收來自用戶端(IE,簡體中文)的漢字字串,然後把它寫入到內碼為ISO8859-1的資料庫中,然後再從資料庫中取出這個字串,顯示到用戶端。

表9 輸出對象是資料庫時的變化過程(1)

序號
步驟說明
結果


1
在IE中輸入“中文”
D6 D0 CE C4
IE

2
IE把字串轉變成UTF,並送入傳輸串流中
E4 B8 AD E6 96 87

3
Servlet接收到輸入資料流,用readUTF讀取
4E 2D 65 87(unicode)
Servlet

4
編程者在Servlet中必須把字串根據GB2312還原為位元組流
D6 D0 CE C4

5
編程者根據資料庫內碼ISO8859-1產生新的字串
00 D6 00 D0 00 CE 00 C4

6
把新產生的字串提交給JDBC
00 D6 00 D0 00 CE 00 C4

7
JDBC檢測到資料庫內碼為ISO8859-1
00 D6 00 D0 00 CE 00 C4
JDBC

8
JDBC把接收到的字串按照ISO8859-1產生位元組流
D6 D0 CE C4

9
JDBC把位元組流寫入資料庫中
D6 D0 CE C4

10
完成資料存放區工作
D6 D0 CE C4 資料庫

以下是從資料庫中取出數的過程

11
JDBC從資料庫中取出位元組流
D6 D0 CE C4
JDBC

12
JDBC按照資料庫的字元集ISO8859-1產生字串,並提交給Servlet
00 D6 00 D0 00 CE 00 C4 (Unicode)

13
Servlet獲得字串
00 D6 00 D0 00 CE 00 C4 (Unicode)
Servlet

15
編程者必鬚根據資料庫的內碼ISO8859-1還原成原始位元組流
D6 D0 CE C4

16
編程者必鬚根據用戶端字元集GB2312產生新的字串
4E 2D 65 87

(Unicode)

Servlet準備把字串輸出到用戶端

17
Servlet根據<Servlet-charset>產生位元組流
D6 D0 CE C4
Servlet

18
Servlet把位元組流輸出到IE中,如果已指定<Servlet-charset>,還會設定IE的編碼為<Servlet-charset>
D6 D0 CE C4

19
IE根據指定的編碼或預設編碼查看結果
“中文”(正確顯示)
IE


解釋一下,表中第4第5步和第15第16步是用紅色標記的,表示要由編碼者來作轉換。第4、5兩步其實就是一句話:“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16兩步也是一句話:“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛的讀者,你在這樣編寫代碼時是否意識到了其中的每一個細節呢?



至於用戶端內碼和資料庫內碼為其它值時的流程,和輸出對象是系統控制台時的流程,請讀者自己想吧。明白了上述流程的原理,相信你可以輕鬆地寫出來。



行文至此,已可告一段落了。終點又回到了起點,對於編程者而言,幾乎是什麼影響都沒有。

因為我們早就被告之要這麼做了。



以下給出一個結論,作為結尾。

1、 在Jsp檔案中,要指定contentType,其中,charset的值要與用戶端瀏覽器所用的字元集一樣;對於其中的字串常量,不需做任何內碼轉換;對於字串變數,要求能根據ContentType中指定的字元集還原成用戶端能識別的位元組流,簡單地說,就是“字串變數是基於<Jsp-charset>字元集的”;

2、 在Servlet中,必須用HttpServletResponse.setContentType()設定charset,且設定成與用戶端內碼一致;對於其中的字串常量,需要在Javac編譯時間指定encoding,這個encoding必須與編寫源檔案的平台的字元集一樣,一般說來都是GB2312或GBK;對於字串變數,與JSP一樣,必須“是基於<Servlet-charset>字元集的”。



其實我什麼都沒做。




相關文章

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.