java/jsp中 中文問題詳解_JSP編程
來源：互聯網
上載者：User
預備知識：
1.位元組和unicode
Java核心是unicode的，就連class檔案也是，但是很多媒體，包括檔案/流的儲存方式
是使用位元組流的。 因此Java要對這些位元組流經行轉化。char是unicode的，而byte是位元組.
Java中byte/char互轉的函數在sun.io的包中間有。其中ByteToCharConverter類是中調度，
可以用來告訴你，你用的Convertor。其中兩個很常用的靜態函數是
public static ByteToCharConverter getDefault() ;
public static ByteToCharConverter getConverter(String encoding);
如果你不指定converter，則系統會自動使用當前的Encoding,GB平台上用GBK,EN平台上用
8859_1
我們來就一個簡單的例子：
"你"的gb碼是：0xC4E3 ,unicode是0x4F60
你用:
--encoding="gb2312";
--byte b[]={(byte)'u00c4',(byte)'u00E3'};
--convertor=ByteToCharConverter.getConverter(encoding);
--char [] c=converter.convertAll(b);
--for(int i=0;i<c.length;c++)
--{
-- System.out.println(Integer.toHexString(c[i]));
--}
--列印出來是0x4F60
--但是如果使用8859_1的編碼，列印出來是
--0x00C4,0x00E3
----例１
反過來：
--encoding="gb2312";
char c[]={'u4F60'};
convertor=ByteToCharConverter.getConverter(encoding);
--byte [] b=converter.convertAll(c);
--for(int i=0;i<b.length;c++)
--{
-- System.out.println(Integer.toHexString(b[i]));
--}
--列印出來是：0xC4,0xE3
----例２
--如果用8859_1就是0x3F，?號，表示無法轉化 --
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類
不直接支援把Encoding輸入，這給我們帶來諸多不便。很多程式難得用encoding
了，直接用default的encoding，這就給我們移植帶來了很多困難
--
2.UTF-8
--UTF-8是和Unicode一一對應的，其實現很簡單
--
-- 7位的Unicode: 0 _ _ _ _ _ _ _
--11位的Unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
--16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--大多數情況是只使用到16位以下的Unicode:
--"你"的gb碼是：0xC4E3 ,unicode是0x4F60
--我們還是用上面的例子
-- --例１：0xC4E3的二進位：
-- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
-- -- 由於只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，
-- -- 因為第７位不是0因此，返回"?"
-- --
-- --例２：0x4F60的二進位：
-- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
-- -- 我們用UTF-8補齊，變成：
-- -- 11100100 10111101 10100000
-- -- E4--BD-- A0
-- -- 於是返回0xE4,0xBD,0xA0
-- --
3.String和byte[]
--String其實核心是char[],然而要把byte轉化成String，必須經過編碼。
--String.length()其實就是char數組的長度，如果使用不同的編碼，很可
--能會錯分，造成散字和亂碼。
--例：
----byte [] b={(byte)'u00c4',(byte)'u00e3'};
----String str=new String(b,encoding); ----
----如果encoding=8859_1，會有兩個字，但是encoding=gb2312隻有一個字 ----
--這個問題在處理分頁是經常發生
4.Reader,Writer/InputStream,OutputStream
--Reader和Writer核心是char，InputStream和OutputStream核心是byte。
--但是Reader和Writer的主要目的是要把Char讀/寫InputStream/OutputStream
--一個reader的例子：
--檔案test.txt只有一個"你"字，0xC4,0xE3--
--String encoding=;
--InputStreamReader reader=new InputStreamReader(
----new FileInputStream("text.txt"),encoding);
--char []c=new char[10];
--int length=reader.read(c);
--for(int i=0;i<c.length;i++)
----System.out.println(c[i]);
--如果encoding是gb2312，則只有一個字元，如果encoding=8859_1，則有兩個字元
--------
--
--
----
2.我們要對Java的編譯器有所瞭解：
--javac -encoding
我們常常沒有用到ENCODING這個參數。其實Encoding這個參數對於跨平台的操作是很重要的。
如果沒有指定Encoding，則按照系統的預設Encoding,gb平台上是gb2312，英文平台上是ISO8859_1。
--Java的編譯器實際上是調用sun.tools.javac.Main的類，對檔案進行編譯，這個類 --
有compile函數中間有一個encoding的變數,-encoding的參數其實直接傳給encoding變數。
編譯器就是根據這個變數來讀取java檔案的，然後把用UTF-8形式編譯成class檔案。
一個例子：
--public void test()
--{
----String str="你";
----FileWriter write=new FileWriter("test.txt");
----write.write(str);
----write.close();
--}
----例３
--如果用gb2312編譯，你會找到E4 BD A0的欄位
--
--如果用8859_1編譯，
--00C4 00E3的二進位：
--00000000 11000100 00000000 11100011--
--因為每個字元都大於7位，因此用11位編碼：
--11000001 10000100 11000011 10100011
--C1-- 84-- C3-- A3
--你會找到C1 84 C3 A3 --
但是我們往往忽略掉這個參數，因此這樣往往會有跨平台的問題：
-- 例３在中文平台上編譯，產生ZhClass
-- 例３在英文平台上編譯，輸出EnClass
--1. ZhClass在中文平台上執行OK,但是在英文平台上不行
--2. EnClass在英文平台上執行OK,但是在中文平台上不行
原因：
--1.在中文平台上編譯後，其實str在運行態的char[]是0x4F60, ----
--在中文平台上運行，FileWriter的預設編碼是gb2312,因此
--CharToByteConverter會自動用調用gb2312的converter,把str轉化
--成byte輸入到FileOutputStream中，於是0xC4,0xE3放進了檔案。
--但是如果是在英文平台下，CharToByteConverter的預設值是8859_1,
--FileWriter會自動調用8859_1去轉化str,但是他無法解釋，因此他會
--輸出"?" ----
--2. 在英文平台上編譯後，其實str在運行態的char[]是0x00C4 0x00E3, ----
--在中文平台上運行，中文無法識別，因此會出現??
-- 在英文平台上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放進了
--檔案
----
1.對於JSP本文的解釋：
--Tomcat首先看一下你的葉面中有沒有"<%@page include的符號。有，則在相同
--地方設定response.setContentType(..);按照encoding的來讀，沒有他按照8859_1
--讀取檔案，然後用UTF-8寫成.java檔案，然後用sun.tools.Main去讀取這個檔案，
--（當然它使用UTF-8去讀），然後編譯成class檔案
--setContentType改變的是out的屬性，out變數預設的encoding是8859_1
2.對Parameter的解釋
--很不幸Parameter只有ISO8859_1的解釋，這個質料可以在servlet的實現代碼中找到。
3.對include的解釋
格式的，但是很不幸，由於那個寫"org.apache.jasper.compiler.Parser"的人
在數組JspUtil.ValidAttribute[]忘記加了一個參數：encoding,因此導致不支
持這種方式。你完全可以編譯原始碼，加上對encoding的支援
總結：
如果你在NT底下，最簡單的方法就是欺騙java,不加任何Encoding變數：
<html>
你好<%=request.getParameter("value")%>
</html>
http://localhost/test/test.jsp?value=你
結果:你好你
但這種方法局限性較大，比如對上傳的文章分段，這樣的做法是死定的，最好的
解決方案是用這種方案：
<%@ page contentType="text/html;charset=gb2312" %>
<html>
你好<%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%>
</html>
必讀好文,但解決方案不敢恭維
--------------------------------------------------------------------------------
1.網頁傳參數不提倡用get方法,而且使用者可以調整是否用utf-8發送
2.建議jsp中最好不要用,實際上加不加這句都有實現中文正常顯示的方案,我認為不加方便些,至少不用寫這些代碼,如下的配置我認為可以使中文正常顯示:
a.所有的javabean用iso8859-1編譯
b.jsp檔案中不要寫以上charset=gb2312的語句(寫了反而錯)
在tomcat情況下注意以上2點就行---了,等等,對於其他有可能不行的jsp伺服器,加上以下
c.伺服器上的作業系統語言設為英文(像沒有裝類似bluepoint中文系統的linux一般本來就是英文)
就行---了
誰要是還不對,請報告....
Re：必讀好文,但解決方案不敢恭維
--------------------------------------------------------------------------------
Tomcat的參數問題無論是GET或是POST方式都是用8859_1編碼的。這個可以看Tomcat Servlet實現的原始碼:
a) 對於POST方法
javax.servlet.http.HttpUtils的parsePostData方法： (對於POST的Form資料)
String postedBody = new String(postedBytes, 0, len, "8859_1");)這裡是沒有問題的因為中文都會用%來說明。但是parseName這個函數，卻沒有把是中文的東西整合起來，他只是簡單的拼湊，因此可以認定他是使用8859_1的編碼規則
sb.append((char) Integer.parseInt(s.substring(i+1, i+3), 16));
---- i += 2;
--
b) 對於GET方法
org.apache.tomcat.service.http.HttpRequestAdapter
-- line=new String(buf, 0, count,
Constants.CharacterEncoding.Default);
----Constants.CharacterEncoding.Default=8859_1
這段代碼不好跟蹤，千萬不要被一些假象迷惑住。HttpRequestAdapter是從RequestImpl中派生的。但是，實際上用8080連接埠的Server並沒有直接用到RequestImpl，而是用了HttpRequestAdapter來獲得queryString
對於加不加encoding，我保留我的意見，因為如果要解決上傳檔案分頁問題，必須要用他來編碼。而且編碼能保證在一些Beans當中的傳遞性。
看來我要在這裡說明一下了
--------------------------------------------------------------------------------
Tomcat僅僅是一個對jsp1.1,servlet2.2的一個標準的實現,我們不應該要求這個免費軟體在細緻末節上和效能上都面面俱到,它主要考慮的英文使用者,這也是為什麼不作特殊轉換我們的漢字用url方法傳遞有問題的原因,我們大部分瀏覽器ie其進階設定中始終以utf-8發送url的選項預設是選上的,如果說這是tomcat的bug也是可以的,另外Tomcat不管當前的作業系統是什麼語言,好像都按iso8859去編譯jsp,我覺得也有點欠妥,但是不管怎麼說,新標準的實現和熱門的軟體在語言的支援方面永遠都是先考慮英文
我的方案什麼說要好一些呢
1.還是那句話,英文國家的軟體永遠都是先考慮英文,java虛擬機器的規範中要求虛擬機器內部必須實現iso8859,unicode,UTF-8三種,其他的不作要求,我們用的jdk中的虛擬機器就是這樣,嵌入式的就更不用說了,也就是說其他的ENCODE都很可能不是java虛擬機器內部直接支援的,我們的中文自然也不在其列,需要外部的包支援轉換,sun jdk應該在i18n.jar中,用iso8859速度最快,不需要其它調用和交換什麼的,更沒有讀包的io操作
2.至少少寫了代碼,沒有額外操作,簡潔的風格誰不喜歡
3.所寫的jsp頁面國際性化好,我才寫了一個jsp+javabeans的聊天室軟體(沒有用到servlet,jsp真的確實很好),同樣的程式美國人用他們的瀏覽器進入就是英文介面,中文進入就是中文介面,如果加上charset=gb2312至少很麻煩
4.限定了gb2312,如果使用者要用GBK,怎麼辦,不加更好,不管什麼的字元集,只要我當前瀏覽器設定的是,我就能顯示出來
總結:無論從速度上,開發效率上,和可擴充性上考慮,我的方案都比你的好,另外,我找不到你的方案比我的好的地方.
