get请求中文乱码及get,post编码探究
在我使用get请求进行查询的时候遇到一个问题：
当我的请求参数中有中文时，出现乱码。
可是即使我设置了Spring的characterEncodingFilter，也还是出现乱码。
原因：tomcat默认使用ISO8859-1编码来解析get中的url参数，导致乱码。而characterEncodingFilter或者 request.setCharacterEncoding("UTF-8");都只针对post请求体有效。
下面对Http中get方法编码到tomcat的解码过程进行探究。
解决方法
- 更改tomcat中get方法默认ISO8859-1编码为utf-8编码。
找到conf/server.xml,在<Connector port="8082" protocol="HTTP/1.1"中加入URIEncoding="utf-8"。 - 将参数以iso8859-1编码转化为字节数组，然后再以UTF-8将字节数组转化为字符串。
userName = new String(userName.getBytes("ISO8859-1"), "UTF-8");
URL是怎么编码的？
参考 关于URL编码
一般来说，URL只能使用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。比如，世界上有英文字母的网址"http://www.abc.com"，但是没有希腊字母的网址"http://www.aβγ.com"（读作阿尔法-贝塔-伽玛.com）。这是因为网络标准RFC 1738做了硬性规定。
这意味着，如果URL中有汉字，就必须编码后使用。但是麻烦的是，RFC 1738没有规定具体的编码方法，而是交给应用程序（浏览器）自己决定。这导致"URL编码"成为了一个混乱的领域。
不同的操作系统、不同的浏览器、不同的网页字符集，将导致完全不同的编码结果。经过测试，现在的浏览器大部分都是utf-8编码。但是为了兼容所有的浏览器，可以使用Javascript函数：encodeURI()。
encodeURI()是Javascript中真正用来对URL编码的函数。
它着眼于对整个URL进行编码，因此除了常见的符号以外，对其他一些在网址中有特殊含义的符号"; / ? : @ & = + $ , #"，也不进行编码。编码后，它输出符号的utf-8形式，并且在每个字节前加上%。
它对应的解码函数是decodeURI()。
tomcat是怎么解码的？
get请求是使用url编码方式，而post请求基于请求体自身的编码。
推荐
- get请求含有url参数时，使用js自带的编码函数进行编码。
- post请求在content-type中设置charset=utf-8，否则使用页面默认编码。
get方法的编码
查看tomcat源码中，org.apache.catalina.connector.CoyoteAdapter的方法：
使用在conf/server.xml中 <Connector port="8082" protocol="HTTP/1.1">配置的URIEncoding作为将前端传过来的参数转化为字符数组的编码，缺省为ISO8859-1。
protected void convertURI(MessageBytes uri, Request request)
throws Exception {
ByteChunk bc = uri.getByteChunk();
int length = bc.getLength();
CharChunk cc = uri.getCharChunk();
cc.allocate(length, -1);
// 使用默认编码 ISO8859-1 将字节数组编程字符
String enc = connector.getURIEncoding();
if (enc != null) {
B2CConverter conv = request.getURIConverter();
try {
if (conv == null) {
conv = new B2CConverter(enc, true);
request.setURIConverter(conv);
} else {
conv.recycle();
}
} catch (IOException e) {
log.error("Invalid URI encoding; using HTTP default");
connector.setURIEncoding(null);
}
if (conv != null) {
try {
conv.convert(bc, cc, true);
uri.setChars(cc.getBuffer(), cc.getStart(), cc.getLength());
return;
} catch (IOException ioe) {
// Should never happen as B2CConverter should replace
// problematic characters
request.getResponse().sendError(
HttpServletResponse.SC_BAD_REQUEST);
}
}
}
// Default encoding: fast conversion for ISO-8859-1
byte[] bbuf = bc.getBuffer();
char[] cbuf = cc.getBuffer();
int start = bc.getStart();
for (int i = 0; i < length; i++) {
cbuf[i] = (char) (bbuf[i + start] & 0xff);
}
uri.setChars(cbuf, 0, length);
}
post方法的字符编码
-
如果在servlet的doPost方法中或者filter中设置了request的字符编码，那么就以设置的为准。
- request设置编码
public void doPost(HttpServletRequestrequest,HttpServletResponse response) throws IOException,ServletException{ //必须在getParameter,getParameterNames, //getParameterValues方法调用之前进行设置 request.setContentType("UTF-8"); }- web.xml中配置filter
<filter> <filter-name>SetCharacterEncoding</filter-name> <filter-class>org.apache.catalina.filters.SetCharacterEncodingFilter</filter-class> <init-param> <param-name>encoding</param-name> <param-value>UTF-8</param-value> </init-param> </filter> -
如果没有进行上面的配置，那么从http header中取出content-type,然后从content-type的值中取出charset的值，charset的值作为post的字符编码。
如content-type=application/x-www-form-urlencoded;charset=utf-8
那么，post的字符编码就是utf-8。
如果从http header中没有取到content-type中的charset，那么，就使用缺省的ISO-8859-1。
参考文档
