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.

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.