Java Servlet/Jsp多語言解決方案(一)

js|servlet|解決 Java Servlet/Jsp多語言解決方案

因為一直不信Java竟會有不能混排顯示多國語言的BUG，這個周末研究了一下Servlet、
Jsp的多國語言顯示的問題，也就是Servlet的多字元集問題，由於我對字元集的概念還
不是很清晰所以寫出的東西未必是準確的，我是這樣理解Java中的字元集的：在運行時
，每個字串對象中儲存的都是編碼為UNICODE內碼的（我覺得所有的語言中都是有相應
編碼的，因為在電腦內部字串總是用內碼來表示的，只不過一般電腦語言中的字
符串編碼時平台相關的，而Java則採用了平台無關的UNICODE）。
　　Java從一個byte流中讀取一個字串時，將把平台相關的byte轉變為平台無關的Un
icode字串。在輸出時Java將把Unicode字串轉變為平台相關的byte流，如果某個Un
icode字元在某個平台上不存在，將會輸出一個'?'。舉個例子：在中文Windows中，Jav
a讀出一個"GB2312"編碼的檔案（可以是任何流）到記憶體中構造字串對象，將會把GB2
312編碼的文字轉變為Unicode編碼的字串，如果把這個字串輸出又將會把Unicode字
符串轉化為GB2312的byte流或數組："中文測試"----->"\u4e2d\u6587\u6d4b\u8bd5"--
--->"中文測試"。
如下常式：
byte[] bytes = new byte[]{(byte)0xd6, (byte)0xd0, (byte)0xce, (byte)0xc4, (b
yte)0xb2, (byte)0xe2, (byte)0xca, (byte)0xd4};//GBK編碼的"中文測試"
java.io.ByteArrayInputStream bin = new java.io.ByteArrayInputStream(bytes);
java.io.BufferedReader reader = new java.io.BufferedReader(new java.io. Inpu
tStreamReader (bin,"GBK"));
String msg = reader.readLine();
System.out.println(msg)
　　這段程式放到包含"中文測試"這四個字的系統（如中文系統）中，可以正確地列印
出這些字。msg字串中包含了正確的"中文測試"的Unicode編碼："\u4e2d\u6587\u6d4
b\u8bd5"，列印時轉換為作業系統的預設字元集，是否可以正確顯示依賴於作業系統的
字元集，只有在支援相應字元集的系統中，我們的資訊才能正確的輸出，否則得到的將
會是垃圾。
　　話入正題，我們來看看Servlet/Jsp中的多語言問題。我們的目標是，任一國家的客
戶端通過Form向Server發送資訊，Server把資訊存入資料庫中，用戶端在檢索時仍然能
夠看到自己發送的正確資訊。事實上，我們要保證，最終Server中的SQL語句中儲存的時
包含用戶端發送文字的正確Unicode編碼；DBC與資料庫通訊時採用的編碼方式能包含客
戶端發送的文字資訊，事實上，最好讓JDBC直接使用UNICODE/UTF8與資料庫通訊！這樣
就可以確保不會丟失資訊；Server向用戶端發送的資訊時也要採用不丟失資訊的編碼方
式，也可以是Unicode/Utf8。
　　如果不指定Form的Enctype屬性，Form將把輸入的內容依照當前頁面的編碼字元集u
rlencode之後再提交，伺服器端得到是urlencoding的字串。編碼後得到的urlencodi
ng字串是與頁面的編碼相關的，如gb2312編碼的頁面提交"中文測試"，得到的是"%D6
%D0%CE%C4%B2%E2%CA%D4"，每個"％"後跟的是16進位的字串；而在UTF8編碼時得到的
卻是"%E4%B8%AD%E6%96%87%E6%B5%8B%E8%AF%95"，因為GB2312編碼中一個漢字是16位的
，而UTF8中一個漢字卻是24位的。中日韓三國的ie4以上瀏覽器均支援UTF8編碼，這種方
案肯定包涵了這三國語言，所以我們如果讓Html頁面使用UTF8編碼那麼將至少可以支援
這三國語言。
　　但是，如果我們html/Jsp頁面使用UTF8編碼，因為應用程式伺服器可能不知道這種
情況，因為如果瀏覽器發送的資訊不包含charset資訊，至多Server知道讀到Accept-La
nguage請求投標，我們知道僅靠這個投標是不能獲知瀏覽器所採用編碼的，所以應用程
序伺服器不能正確解析提交的內容，為什嗎？因為Java中的所有字串都是Unicode16位
編碼的，HttpServletRequest.request(String)的功能就是把用戶端提交的Urlencode編
碼的資訊轉為Unicode字串，有些Server只能認為用戶端的編碼和Server平台相同，簡
單地使用URLDecoder.decode(String)方法直接解碼，如果用戶端編碼恰好和Server相同
，那麼就可以得到正確地字串，否則，如果提交地字串中包含了當地字元，那麼將
會導致垃圾資訊。
　　在我提出的這個解決方案裡，已經指定了採用Utf8編碼，所以，可以避免這個問題
，我們可以自己定製出decode方法：
public static String decode(String s,String encoding) throws Exception {
StringBuffer sb = new StringBuffer();
for(int i=0; i<s.length(); i++) {
char c = s.charAt(i);
switch (c) {
case '+':
sb.append(' ');
break;
case '%':
try {
sb.append((char)Integer.parseInt(
s.substring(i+1,i+3),16));
}
catch (NumberFormatException e) {
throw new IllegalArgumentException();
}
i += 2;
break;
default:
sb.append(c);
break;
}
}
// Undo conversion to external encoding
String result = sb.toString();
byte[] inputBytes = result.getBytes("8859_1");
return new String(inputBytes,encoding);
}
　　這個方法可以指定encoding，如果把它指定為UTF8就滿足了我們的需要。比如用它
解析："%E4%B8%AD%E6%96%87%E6%B5%8B%E8%AF%95"就可以得到正確的漢字"中文測試"的
Unicode字串。
現在的問題就是我們必須得到用戶端提交的Urlencode的字串。對於method為get的fo
rm提交的資訊，可以用HttpServletRequest.getQueryString()方法讀到，而對於post方
法的form提交的資訊，只能從ServletInputStream中讀到，事實上標準的getParameter
方法被第一次調用後，form提交的資訊就被讀取出來了，而ServletInputStream是不能
重複讀出的。所以我們應在第一次使用getParameter方法前讀取並解析form提交的資訊
。