servlet/jsp 编码

概述：

对于发送数据，服务器按照response.setCharacterEncoding—contentType—pageEncoding的优先顺序，对要发送的数据进行编码。

浏览器在发送数据时，对URL和参数会进行URL编码，对参数中的中文，浏览器也是使response.setCharacterEncoding参数来进行URL编码的。以百度和GOOGLE为例，如果你在百度中搜索"汉字"，百度会将其编码为"%BA%BA%D7%D6"。而在GOOGLE中搜索"汉字"，GOOGLE会将其编码为"%E6%B1%89%E5%AD%97"，这是因为百度的response.setCharacterEncoding参数为GBK，而GOOGLE的的response.setCharacterEncoding参数为UTF-8。

浏览器在接收服务器数据和发送数据到服务器时所使用的编码是相同的，默认情况下均为JSP页面的response.setCharacterEncoding参数（或者contentType和pageEncoding参数），我们称其为浏览器编码。当然，在IE中可以修改浏览器编码（在IE的菜单中选择"查看(V)"à"编码(D)"中修改），但通常情况下，修改该参数会使原本正确的页面中出现乱码。一个有趣的例子是，在IE中浏览GOOGLE的主页时，将浏览器编码修改为"简体中文（GB2312）"，此时，页面上的中文会变成乱码，不理它，在文本框中输入"汉字"，提交，GOOGLE会将其编码为"%BA%BA%D7%D6"，可见，浏览器在对中文进行URL编码时，使用的就是浏览器编码。

弄清了浏览器是在接收和发送数据时，是如何对数据进行编码的了，我们再来看看服务器是在接收和发送数据时，是如何对数据进行编码的。

 

对于接收数据，要分三种情况。一种是浏览器直接用URL提交的数据，另外两种是用表单的GET和POST方式提交的数据。

因为各种WEB服务器对这三种方式的处理也不相同，所以我们以Tomcat5.0为例。 

具体来说，对于接收的数据，web容器一般按默认的ISO-8859-1去解码。

对于表单中POST方式提交的数据，只要在接收数据的JSP中正确request.setCharacterEncoding  (例如：request.setCharacterEncoding("utf-8");）参数，即将对客户端请求进行重新编码的编码设置成浏览器编码，就可以保证得到的参数编码正确。有写读者可能会问，那如何得到浏览器编码呢？上面我们提过了，在默认请情况下，浏览器编码就是你在响应该请求的JSP页面中response.setCharacterEncoding设置的值。所以对于POST表单提交的数据，在获得数据的JSP页面中request.setCharacterEncoding要和生成提交该表单的JSP页面的response.setCharacterEncoding设置成相同的值。 (对于Post方式的请求，servlet默认会用ISO-8859-1将消息体中的参数转化为Unicode。如果是汉字，这是很不合理的，因为ISO- 8859-1只有一个字节，是不支持汉字。所以在对HttpServletRequest对象利用getParameter()方法获取参数值时，必须先 要用setCharacterEncoding()方法设置其解码方式，如req.setCharacterEncoding("UTF-8")，这样调 用的getParameter()方法会按UTF-8的方式把参数转化为Unicode。)

 

对于URL提交的数据和表单中GET方式提交的数据，在接收数据的JSP中设置request.setCharacterEncoding参数是不行的，因为在Tomcat5.0中，默认情况下使用ISO-8859-1对URL提交的数据和表单中GET方式提交的数据进行重新编码（解码），而不使用该参数对URL提交的数据和表单中GET方式提交的数据进行重新编码（解码）。要解决该问题，应该在Tomcat的配置文件的Connector标签中设置useBodyEncodingForURI或者URIEncoding属性，其中useBodyEncodingForURI参数表示是否用request.setCharacterEncoding参数对URL提交的数据和表单中GET方式提交的数据进行重新编码，在默认情况下，该参数为false（Tomcat4.0中该参数默认为true）；URIEncoding参数指定对所有GET方式请求（包括URL提交的数据和表单中GET方式提交的数据）进行统一的重新编码（解码）的编码。URIEncoding和useBodyEncodingForURI区别是，URIEncoding是对所有GET方式的请求的数据进行统一的重新编码（解码），而useBodyEncodingForURI则是根据响应该请求的页面的request.setCharacterEncoding参数对数据进行的重新编码（解码），不同的页面可以有不同的重新编码（解码）的编码。所以对于URL提交的数据和表单中GET方式提交的数据，可以修改URIEncoding参数为浏览器编码或者修改useBodyEncodingForURI为true，并且在获得数据的JSP页面中request.setCharacterEncoding参数设置成浏览器编码。(

对于Get方式的请求，首先要说明的，get方式下的请求，上述用setCharacterEncoding()方法设置解码方式是行不通的。其原 因在于：get方式的请求参数放在消息头中，而消息头是在web容器的任何servlet接受前就已经先被web容器解释了，因为只有这样web容器才可 以知道去具体调用哪个servlet。至于web容器如何解释消息的，serlvet

标准中并没用明确规定，所以有的web容器按ISO-8859-1去解释为Unicode，有的则是按系统默认编码。

所以对于get方式下用setCharacterEncoding()方法设置解码方式是无用的。而相反，对于post方式，消息体一般是在第一次调用HttpServletRequest对象的getParameter()方法时，才开始实际处理。

所 以由于get方式解码的未知性，一般所带参数都是不带中文的，若要带中文，则用post方式比较方便。但若要追求高效，非要用get方式时，则可以使用 String类中getBytes()方法转为字节数，再用String(byte[],”编码”)构造函数去获取字符串。

)

 

下面总结下，以Tomcat5.0为WEB服务器时，如何防止中文乱码。

1、对于同一个应用，最好统一编码，推荐为UTF-8，当然GBK也可以。

2、正确设置JSP的pageEncoding参数

3、在所有的JSP/Servlet中设置contentType="text/html;charset=UTF-8"或response.setCharacterEncoding("UTF-8")，从而间接实现对浏览器编码的设置。

4、对于请求，可以使用过滤器或者在每个JSP/Servlet中设置request.setCharacterEncoding("UTF-8")。同时，要修改Tomcat的默认配置，推荐将useBodyEncodingForURI参数设置为true，也可以将URIEncoding参数设置为UTF-8（有可能影响其他应用，所以不推荐）。

 

补充基础知识：

pageEncoding是jsp文件本身的编码

contentType的charset是指服务器发送给客户端时的内容编码

 

JSP要经过两次的"编码"，第一阶段会用pageEncoding，第二阶段会用utf-8至utf-8，第三阶段就是由Tomcat出来的网页，用的是contentType

 

第一阶段是jsp编译成.java，它会根据pageEncoding的设定读取jsp，结果是由指定的编码方案翻译成统一的UTF-8 JAVA源码（即.java），如果pageEncoding设定错了，或没有设定，出来的就是中文乱码。

第二阶段是由JAVAC的JAVA源码至java byteCode的编译，不论JSP编写时候用的是什么编码方案，经过这个阶段的结果全部是UTF-8的encoding的java源码。JAVAC用UTF-8的encoding读取java源码，编译成UTF-8 encoding的二进制码（即.class），这是JVM对常数字串在二进制码（java encoding）内表达的规范。

第三阶段是Tomcat（或其的application container）载入和执行阶段二的来的JAVA二进制码，输出的结果，也就是在客户端见到的，这时隐藏在阶段一和阶段二的参数contentType就发挥了功效

 

contentType的设定.

pageEncoding 和contentType的预设都是 ISO8859-1. 而随便设定了其中一个（另一个没有设置的情况下JSP中不指定contentType参数，也不使用response.setCharacterEncoding方法时，指定对服务器响应进行重新编码的编码。）, 另一个就跟着一样了。 但这不是绝对的, 这要看各自JSPC的处理方式. 而pageEncoding不等于contentType,

注意：假如你设置了pageEncodeing、contentType中的任意一个，则html中的content则不起作用了 相当于被上面的设置屏蔽了!

 

<%@ page contentType="text/html;charset=utf-8" %>

记得老师上课讲的时候遇到了下面这种情况 他的处理办法是把utf-8改成了gbk,

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

貌似就是利用了随便改变其中一个另一个就跟着变的原理吧。实际上正规的该法应该是

<%@ page contentType="text/html;charset=utf-8" pageEncoding="GBK"%>

但是如果改成了这样，在服务器端收到的获取的中文不是乱码，但是在客户端打开的还是乱码，因为charset=utf-8" 中charset指定了，输出到客户端的是utf-8的编码，所以想正规的该法应该改成

<%@ page contentType="text/html;charset=gbk" pageEncoding="GBK"%>

貌似这样写，还不如

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