中文字符乱码问题的解决方法

原文：http://blog.chinaunix.net/uid-26284395-id-3303341.html

 

Jsp+servlet+tomcat6.0+ibatis+mysql5.0框架，中文字符乱码问题的解决总结

首先总结我的项目字符集设置：

1、jsp、servlet字符集要统一，如果要用gbk就都用gbk。或者都用utf-8。我都统一用得是utf-8；（我在servlet中分别对request和response进行了字符集设置，并且还应用

   new String（S.getBypes(ISO-8859-1),"UTF-8" )  由于他和request的设置的作用是相同的，    

   所以我得到还是乱码，由此可以看出不是吧所有的字符集设置都加上就是正确的)

2、在未插入数据库之前一定要确认servlet在jsp页面获得的是否为中文。

3、Ibatis 在连接mysql的时候 url 里面加的characterEncoding 的值要和mysql的字符集一制。

4、为解决中文问题，mysql我用的gbk。

5、Mysql5.0 的驱动也很重要，驱动要和mysql的版本一致，要不然也会出问题，这个是出现中文字符乱码的原因之一。

6、Tomcat 字符集的设置，修改 D:\Tomcat 6.0\conf\server.xml

            <Connector port="8080" protocol="HTTP/1.1" 

              connectionTimeout="20000"

              redirectPort="9443" URIEncoding='GBK'  />

增加对GET方法获取数据时的编码设置参数 URIEncoding='GBK'，（设置tomcat对我项目影响不大，我刚才测试了一下，如果不设置也正常运行，设置这项对于用get方法获取参数是有作用）

7、我在网上查了好多的资料好多人都说mysql和jsp、servlet 最好统一字符，确实统一字符会少很多麻烦，由于我的mysql设置成utf-8就有问题，所以我就设置成gbk的了!按照网上说的更改my.ini 文件结合设置语句，都统一成下面这样了

 

 

8、其实遇到中文乱码问题的人很多，主要原因就是没有弄清jsp、servlet、mysql之间字符集是怎么转换的，个人认为应该先从理论上理解，自己在做一些测试，如果还是有问题，就要一步一步的测试，中文问题也就容易解决了！

针对字符集的问题我查阅了很多资料，下面整体进行总结一下：

 

 

下面对于字符集的设置在jsp、servlet、mysql、tomcat中的作用

首先要清楚几个名词解释及其作用
    1. contentType: <%@ page contentType=”text/html; charset=UTF-8″%>
    2. pageEncoding:<%@ page pageEncoding=”UTF-8″%>
    3. html页面charset:<META http-equiv=”Content-Type” content=”text/html; charset=UTF-8″>
    4. setCharacterEncoding:request.setCharacterEncoding(),response.setCharacterEncoding()
    5. setContentType:response.setContentType()
    6. jsp页面编码: jsp文件本身的编码
    7. web页面显示编码:jsp的输出流在浏览器中显示的编码
    8. web页面输入编码: 输入框输入的字体编码
    9. web服务器输入的请求流: web Server相应浏览器的请求数据
    10. web服务器输出的响应流: web Server相应浏览器的输出数据

1、JSP/Servlet中的几个字符编码的作用 

在JSP/Servlet中主要有以下几个地方可以设置编码，pageEncoding="UTF-8"、contentType="text/html;charset=UTF-8"、request.setCharacterEncoding("UTF-8")和response.setCharacterEncoding("UTF-8")，其中前两个只能用于JSP中，而后两个可以用于JSP和Servlet中。

（1）pageEncoding="UTF-8"的作用是设置JSP编译成Servlet时使用的编码。

     众所周知，JSP在服务器上是要先被编译成Servlet的。pageEncoding="UTF-8"的作用就是告诉JSP编译器在将JSP文件编译成Servlet时使用的编码。通常，在JSP内部定义的字符串（直接在JSP中定义，而不是从浏览器提交的数据）出现乱码时，很多都是由于该参数设置错误引起的。例如，你的JSP文件是以GBK为编码保存的，而在JSP中却指定pageEncoding="UTF-8"，就会引起JSP内部定义的字符串为乱码。

另外，该参数还有一个功能，就是在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。

补充： pageEncoding, 只是指明了 JSP 页面本身的编码格式，跟页面显示的编码没有关系; 容器在读取(文件)或者(数据库)或者(字符串常量)时将起转化为内部使用的 Unicode,而              页面显示的时候将内部的Unicode转换为contentType指定的编码后显示页面内容;如果pageEncoding属性存在，那么JSP页面的字符编码方式就由pageEncoding决定，否则就由contentType属性中的charset决定，如果charset也不存在，JSP页面的字符编  码方式就采用默认的ISO-8859-1。

（2）contentType="text/html;charset=UTF-8"的作用是指定对服务器响应进行重新编码的编码。
    在不使用response.setCharacterEncoding方法时，用该参数指定对服务器响应进行重新编码的编码。服务器在将数据发送到浏览器前，对数据进行重新编码时，使用的就是该编码。

（3）request.setCharacterEncoding("UTF-8")的作用是设置对客户端请求进行重新编码的编码。
该方法用来指定对浏览器发送来的数据进行重新编码（或者称为解码）时，使用的编码

（4）response.setCharacterEncoding("UTF-8")的作用是指定对服务器响应进行重新编码的编码。服务器在将数据发送到浏览器前，对数据进行重新编码时，使用的就是该编码。

　其次，要说一说浏览器是怎么样对接收和发送 的数据进行编码的

　　response.setCharacterEncoding("UTF-8")的作用是指定对服务器响应进行重新编码的编码。同时，浏览器也是根据这个参数来对其接收到的数据进行重新编码（或者称为解码）。所以在无论你在JSP中设置response.setCharacterEncoding("UTF-8")或者response.setCharacterEncoding("GBK")，浏览器均能正确显示中文（前提是你发送到浏览器的数据编码是正确的，比如正确设置了pageEncoding参数等）。读者可以做个实验，在JSP中设置response.setCharacterEncoding("UTF-8")，在IE中显示该页面时，在IE的菜单中选择"查看(V)"à"编码(D)"中可以查看到是" Unicode（UTF-8）"，而在在JSP中设置response.setCharacterEncoding("GBK")，在IE中显示该页面时，在IE的菜单中选择"查看(V)"à"编码(D)"中可以查看到是"简体中文（GB2312）"。

　　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，浏览器也是使用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。

　　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。

　　无论使用那种方式提交，如果参数中包含中文，浏览器都会使用当前浏览器编码对其进行URL编码。

　　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。有些读者可能会问，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。

2、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）。

3、Mysql字符集设置

基本概念

• 字符(Character)是指人类语言中最小的表义符号。例如’A'、’B'等；

• 给定一系列字符，对每个字符赋予一个数值，用数值来代表对应的字符，这一数值就是字符的编码(Encoding)。例如，我们给字符’A'赋予数值0，给字符’B'赋予数值1，则0就是字符’A'的编码；

• 给定一系列字符并赋予对应的编码后，所有这些字符和编码对组成的集合就是字符集(Character Set)。例如，给定字符列表为{’A',’B'}时，{’A'=>0, ‘B’=>1}就是一个字符集；

• 字符序(Collation)是指在同一字符集内字符之间的比较规则；

• 确定字符序后，才能在一个字符集上定义什么是等价的字符，以及字符之间的大小关系；

• 每个字符序唯一对应一种字符集，但一个字符集可以对应多种字符序，其中有一个是默认字符序(Default Collation)；

• MySQL中的字符序名称遵从命名惯例：以字符序对应的字符集名称开头；以_ci(表示大小写不敏感)、_cs(表示大小写敏感)或_bin(表示按编码值比较)结尾。例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等价的；

MySQL字符集设置

• 系统变量：

– character_set_server：默认的内部操作字符集

– character_set_client：客户端来源数据使用的字符集

– character_set_connection：连接层字符集

– character_set_results：查询结果字符集

– character_set_database：当前选中数据库的默认字符集

– character_set_system：系统元数据(字段名等)字符集

– 还有以collation_开头的同上面对应的变量，用来描述字符序。

1.MySQL默认字符集

MySQL对于字符集的指定可以细化到一个数据库，一张表，一列，应该用什么字符集。

但是，传统的程序在创建数据库和数据表时并没有使用那么复杂的配置，它们用的是默认的配置，那么，默认的配置从何而来呢？    (1)编译MySQL 时，指定了一个默认的字符集，这个字符集是 latin1；

    (2)安装MySQL 时，可以在配置文件 (my.ini) 中指定一个默认的的字符集，如果没指定，这个值继承自编译时指定的；

    (3)启动mysqld 时，可以在命令行参数中指定一个默认的的字符集，如果没指定，这个值继承自配置文件中的配置,此时 character_set_server 被设定为这个默认的字符集；

    (4)当创建一个新的数据库时，除非明确指定，这个数据库的字符集被缺省设定为character_set_server；

    (5)当选定了一个数据库时，character_set_database 被设定为这个数据库默认的字符集；

    (6)在这个数据库里创建一张表时，表默认的字符集被设定为 character_set_database，也就是这个数据库默认的字符集；

    (7)当在表内设置一栏时，除非明确指定，否则此栏缺省的字符集就是表默认的字符集；

简单的总结一下，如果什么地方都不修改，那么所有的数据库的所有表的所有栏位的都用 latin1 存储，不过我们如果安装 MySQL，一般都会选择多语言支持，也就是说，安装程序会自动在配置文件中把 default_character_set 设置为 UTF-8，这保证了缺省情况下，所有的数据库的所有表的所有栏位的都用 UTF-8 存储。

2.查看默认字符集(默认情况下，mysql的字符集是latin1(ISO_8859_1)

通常，查看系统的字符集和排序方式的设定可以通过下面的两条命令：

     mysql> SHOW VARIABLES LIKE 'character%';

+--------------------------+---------------------------------+

| Variable_name            | Value                           |

+--------------------------+---------------------------------+

 

在html页面中，引用了带汉字的图片，形如<img src="/目录/子目录/图片名字.jpg" />，如果没有在tomcat配置URIEncoding，则无法显示。修改方法：

在tomcat的server.xml中加入URIEncoding="utf-8"（网页的编码是utf-8）
<Connector port="8080" connectionTimeout="20000" disableUploadTimeout="true" URIEncoding="utf-8"/>

如果用apache代理tomcat，是通过ajp端口，所以也需要设置：

<Connector port="6009" protocol="AJP/1.3" redirectPort="8443" URIEncoding="utf-8"/>