Question

如何解决JavaWeb乱码问题

Answer 1

request-line中的URL部分必须以application/x-www-form-urlencoded方式编码。编码时使用的字符集是当前网页在浏览器上显示时所使用的字符集。

JDK中专门有两个类处理application/x-www-form-urlencoded类型的数据，它们是URLEncoder及URLDecoder。当网页上的数据需要手动进行URLEncoding处理时，可使用URLEncoder类完成编码工作。需要手动进行URLEncoding处理的位置包括：

• 链接（<a></a>）中的href标签属性；

• 以POST方式提交的表单（<form></form>）中的action标签属性。

例如，网页上不应该产生这样的链接：

[xhtml] view plain copy

• <!-- 不正确的写法 -->  

• <a href="/hello/checkUser.html?opt=中文>使用者身份验证"</a>  

正确的写法是：

[xhtml] view plain copy

• <!-- 使用UTF-8字符集进行URLEncoding的结果 -->  

• <a href="/hello/checkUser.html?opt=%E4%B8%AD%E6%96%87">使用者身份验证</a>  

为此，方案之一可以在JSP网页上使用脚本化语言进行URLEncoding处理。如：

[xhtml] view plain copy

• <%@page import="java.net.URLEncoder"%>  

• <a href="/hello/checkUser.html?opt=<%=URLEncoder.encode("中文", "UTF-8")%>">使用者身份验证</a>  

request-body的编码处理

request-body只有在POST提交的方式下才会产生。request-body的编码方式由表单的enctype标签属性指定，同request-line一样，编码request-body时使用的字符集也是当前网页在浏览器上显示时所使用的字符集。request-body的编码过程由客户端浏览器自动完成，不需要额外的编程处理。

服务器的处理

相对于用户端，服务器端在接收到HTTP请求时提供了两种处理请求数据的方式：自动处理与不处理。
服务器一般会自动处理application/x-www-form-urlencoded类型的数据（包括request-line及request-body中的数据），就servlet（Servlet类或JSP网页）而言，可以通过request对象的getParameter()或getParameterValues()取得这些数据。对于除此以外的其它MIME类型的数据，HTTP服务器则是将处理的过程直接交到了与HTTP请求相对应的servlet（Servlet类或JSP网页）身上。
例如用户端有以下表单被提交：

[xhtml] view plain copy

• <form action="checkUser.html?opt=xxx" method="POST">    

• <input type="text" name="username" value="yyy"/>    

• <input type="text" name="username" value="zzz"/>    

• <inupt type="submit" value="submit"/>    

• </form>  

表单提交时经服务器端自动处理后与checkUser.html相对应的servlet（Servlet类或JSP网页）可以通过下面的方式取得数据：

[java] view plain copy

• String opt = request.getParameter("opt");  

• String[] users = request.getParameterValues("username");  

默认情况下，服务器对于接收到的application/x-www-form-urlencoded类型数据进行字符集为ISO-8859-1的URLDecoding处理，经过处理之后的字符串内码为ISO-8859-1。对于没有附加任何设置的HTTP服务器而言，我们的servlet在取得数据之后必须进行相应的解码处理，生成内码为UTF-16（unicode）的字符串。
例如对于用户端请求数据中以UTF-8字符集进行URLEncoding的数据，servlet需要进行如下方式的解码：

[java] view plain copy

• String opt = request.getParameter("opt");  

• if (opt!=null && !"".equals(opt)) {  

• opt = new String(opt.getBytes("ISO-8859-1"), "UTF-8");  

• }  

为了避免这种额外的编码/解码处理，也就是说让服务器了解到用户端在URLEncoding时所使用的字符集，从而直接进行相应字符集的URLDecoding处理，不同的HTTP服务器提供了不同的解决方案。
以Tomcat为例，Tomcat自动解码request-line的处理方式由Tomcat的配置文件server.xml指定。在server.xml中的Connector标签中提供了URIEncoding标签属性，只要为其指定解码用的字符集，Tomcat就会自动解码request-line中经过application/x-www-form-urlencoded编码处理的数据。例如：

<Connector connectionTimeout="40000" port="8080" protocol="HTTP/1.1"
URIEncoding="UTF-8" redirectPort="8443"/>

Tomcat自动解码request-body的处理方式是设置request的characterEncoding值。如：

request.setCharacterEncoding("UTF-8");

但是这一操作必须提前在filter中完成，在servlet中使用此方法已经不起作用了。filter的例子如下：

[java] view plain copy

• import java.io.IOException;  

• import javax.servlet.Filter;  

• import javax.servlet.FilterChain;  

• import javax.servlet.FilterConfig;  

• import javax.servlet.ServletException;  

• import javax.servlet.ServletRequest;  

• import javax.servlet.ServletResponse;  

• public class CharacterEncodingFilter implements Filter {  

• private String encoding;  

• public CharacterEncodingFilter() {  

• encoding = null;  

• }  

• public void destroy() {  

• encoding = null;  

• }  

• public void doFilter(ServletRequest request, ServletResponse response,  

• FilterChain chain) throws IOException, ServletException {  

• request.setCharacterEncoding(encoding);  

• chain.doFilter(request, response);  

• }  

• public void init(FilterConfig filterConfig) throws ServletException {  

• encoding = filterConfig.getInitParameter("encoding");  

• if (encoding == null || "".equals(encoding)) {  

• encoding = "UTF-8";  

• }  

• }  

• }  

我们可以在web.xml使用这个filter。web.xml的相应配置如下：

[xhtml] view plain copy

• <filter>  

• <filter-name>Character Encoding Filter</filter-name>  

• <filter-class>  

• CharacterEncodingFilter  

• </filter-class>  

• <init-param>  

• <param-name>encoding</param-name>  

• <param-value>UTF-8</param-value>  

• </init-param>  

• </filter>  

• <filter-mapping>  

• <filter-name>Character Encoding Filter</filter-name>  

• <url-pattern>/*</url-pattern>  

• </filter-mapping>  

通过上述两种方式的预处理，在servlet中取出的数据可以不必进行ISO-8859-1解码而直接使用。

字符集的选择

在处理application/x-www-form-urlencoded类型的数据过程中，需要注意的另一个问题是字符集的选择问题。如上所述，不论是request-line还是request-body，其URLEncoding所使用的字符集都是当前网页在浏览器上显示时所使用的字符集。而这个信息又是HTTP服务器端生成HTML网页时，在HTTP响应中提供的。
当HTTP服务器接收到一个HTTP请求时，服务器总是需要向用户端发送一个HTTP响应。HTTP响应数据与HTTP请求数据格式相同，同样由以下几个部分组成：

<response-line>
<headers>
<CRLF>
[<response-body><CRLF>]

下面描述的是请求一个HTML网页数据时服务器的响应信息：

HTTP/1.1 200 OK
Server: Apache-Coyote/1.1
Content-Type: text/html;charset=UTF-8
Content-Length: 265
Date: Thu, 17 Dec 2009 05:20:36 GMT

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>test</title>
</head>
<body>
<h1>Hello World</h1>
</body>
</html>
[End]

其中headers的Content-Type指定了数据流的数据格式以及显示用的字符集。这一指标可以通过以下几种方式指定：
1. HTML网页
在HTML网页的<head></head>中存在多个<meta/>标签，其中可以设置Content-Type。例如：

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

2. JSP网页
JSP网页中，除了<meta/>标签之外，还需要在JSP网页头部设置如下代码：

<%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>

3. Servlet类
如果要在Servlet类中通过response向用户端传送HTML数据，需要在传送前指定Content-Type。代码如下：

response.setContentType("text/html;charset=UTF-8");

通过上述三种方式，可以确保响应数据传送到用户端浏览器时，浏览器使用正确解码方式和字符集显示其内容。

结束语

总之，Content-Type是联系用户端与服务器端的纽带，通过这一指标，双方得以对相关的数据进行正确的编码与解码。只要了解了Content-Type的作用以及使用方法，乱码问题就会迎刃而解。