Java web中常見編碼亂碼問題（一）

　　最近在看Java web中中文編碼問題，特此記錄下。

　　本文將會介紹常見編碼方式和Java web中遇到中文亂碼問題的常見解決方法：

　　　　1、ASCII 碼

　　　　　　　眾所周知，這是最簡單的編碼。它總共可以表示128個字符，0~31是控制字符如換行、回車、刪

　　　　除等，32~126是打印字符，可以通過鍵盤輸入并且能夠顯示出來的。

　　　　2、ISO-8859-1

　　　　　　它是基于ASCII碼基礎(chǔ)上擴展的，它總共能表示256個字符，涵蓋了大多數(shù)西歐語言字符。詳見

　　　　ISO-8859-1 編碼?? ?該編碼不支持中文，舉個中文編碼栗子:

　　　　字符串“I am 君山”用 ISO-8859-1 編碼，下面是編碼結(jié)果：

　　　　由于ISO-8859-1 是單字節(jié)編碼且不支持中文，直接將中文字符轉(zhuǎn)成‘3f’, 3f也就是常見的"?"字符

　　　　3、GB2312

　　　　　　它是雙字節(jié)編碼，共包含6763個漢字。

　　　　4、GBK

　　　　　　漢字內(nèi)碼擴展規(guī)范，是基于GB2312上拓展的，加入了更多的漢字，能表示21003個漢字。它的編碼

　　　　是和GB2312兼容的。也就是說用GB2312編碼的漢字可以用GBK來解碼，并且不會亂碼。倒過來就不完

　　　　全可以了，因為GB2312描述的漢字比GBK少。

　　　　5、UTF-16

　　　　　　UTF-16是基于Unicode上定義的， 用兩個字節(jié)來表示Unicode的轉(zhuǎn)換格式，它采用定長的表示方法，

　　　　即不能什么字符都可以用兩個字節(jié)表示。兩個字節(jié)是16個bit，所以就做UTF-16。（Unicode 囊括了世界

　　　　上所有語言，所有語言均可通過Unicode來相互翻譯，詳解?Unicode 編碼）

　　　　6、UTF-8

　　　　　　由于UTF-16統(tǒng)一采用兩個字節(jié)來表示一個字符， 有很多字符用一個字節(jié)表示即可。所以存儲空間放

　　　　大了一倍，還會增加網(wǎng)絡(luò)傳輸?shù)牧髁?所以推出了UTF-8。 UTF-8采用了一種變長技術(shù)，每個編碼區(qū)域有

　　　　不同的字碼長度。

　　　　通過上面介紹和對比，對于中文字符的處理我想UTF-8是最理想的中文編碼。

　　　　1、中文變成看不懂的字符

　　　　　　如果一串中文字符變成了一串看不懂的字符如："ì ? ￡ ?? ò ?2?? ￡ ?"，這種情況通常是編碼

　　　　字符集與解碼時所用的字符集不一致所造成的。比如使用GBK編碼，如果使用ISO-8859-1解碼

　　　　的話結(jié)果就是這樣。

　　　　2、一個漢字變成了一個問號

　　　　　　如果編碼和解碼的字符集都是一致的，那么可以確定該字符編碼不支持中文，例如：ISO-8859-1

　　　　3、一個漢字變成了兩個問號

　　　　　　中文經(jīng)過多次編碼且其中有一次編碼或者解碼使用了不支持中文的字符集　

?

　　　　1、參數(shù)傳輸亂碼

　　　　　　背景：從jsp中傳參數(shù)（包括中文）請求后臺數(shù)據(jù)，在后臺獲取到的請求參數(shù)亂碼。

　　　　　　1.1 前端編碼設(shè)置，先講解下jsp中編碼的配置：

　　　　　　　　a、其中contentType中charset用來設(shè)置服務(wù)器發(fā)送給客戶端時的內(nèi)容編碼；pageEncoding 用

　　　　　　來設(shè)置JSP源文件本身和響應(yīng)正文中的字符編碼。通俗的說pageEncoding是jsp文件本身的編碼，如果

　　　　　　pageEncoding設(shè)置為ISO-8859-1,則jsp頁面中不能保存中文字符，會自動提示你是否要設(shè)置為UTF-8.

　　　　　　　　b、jsp文件編碼字符集默認(rèn)為ISO-8859-1, JSP源文件字符集時,優(yōu)先級為pageEncoding>

　　　　　　contentType。如果都沒有設(shè)置，默認(rèn)ISO-8859-1。

　　　　　　　　c、設(shè)置響應(yīng)輸出的字符集時,優(yōu)先級為contentType>pageEncoding。如果都沒有設(shè)置，默認(rèn)

　　　　　　ISO-8859-1。

　　　　　　綜上所述，解決該問題亂碼的第一步要設(shè)置jsp中的編碼，最好統(tǒng)一為UTF-8。

　　　　　　exmaple（亂碼示例）:

　　　　　　頁面效果如下：

?　　　　　 ?

　　　　　　1.2 后端編碼設(shè)置

　　　　　　　　a、首先要設(shè)置tomcat編碼，其中要了解兩個參數(shù)（conf/server.xml）：URIEncoding 和

　　　　　　　　useBodyEncodingForURI，可以查看官方文檔說明：

　　　　　　　　http://tomcat.apache.org/tomcat-7.0-doc/config/http.html， 以下是我理解：

　　　　　　　　　　1)URIEncoding是對所有GET方式的請求的數(shù)據(jù)進行統(tǒng)一的重新編碼，默認(rèn)編碼為

　　　　　　　 ?ISO-8859-1（針對URI上的請求參數(shù)）

　　　　　　　　　　2)useBodyEncodingForURI：此設(shè)置僅適用于請求的查詢字符串（針對請求體中內(nèi)容）。

　　　　　　　 ?與URIEncoding不同，它不影響請求URI的路徑部分。如果不知道請求字符編碼（瀏覽器不提供，

　　　　　　　　并且SetCharacterEncodingFilter不設(shè)置或使用Request.setCharacterEncoding方法的類

　　　　　　　　似過濾器），默認(rèn)編碼始終為“ISO-8859-1”。URIEncoding設(shè)置對此默認(rèn)值沒有影響。

　　　　　　　　該參數(shù)為false。通俗的說：

　　　　　　　　true表示get和post的編碼保持一致，post方式的編碼是什么，get方式的編碼就是什么。

　　　　　　　　false表示get和post的字符編碼各自設(shè)置，互相沒有關(guān)系。

　　　　　　　　example1（只設(shè)置URIEncoding）:　　

?　　　　　　　　server.xml

　　　　　　　　controller:

　　　　　　　　jsp:

　　　　　　　　輸出結(jié)果： ? ? 姓名：張三, 昵稱：è???? ??

　　　　　　　　從結(jié)果中可以看出， URIEncoding只對URI中的參數(shù)進行編碼。　　

　　　　　　example2：只修改controller中代碼，就都會顯示正常

　　　　其實第二種做法并不是很方便，一般通過設(shè)置URIEncoding+encodingFilter即可解決。

　　　　example3（通常做法）:

　　　　web.xml代碼如下，其余跟example1一樣即可。

?　　　　example4：

　　　　如果只設(shè)置URIEncoding=ISO-8859-1，request.setCharacterEncoding("UTF-8");只會

　　　　對請求體中的參數(shù)進行編碼，所以username是亂碼的。

?　　　　

　　　　example5: 在example4的基礎(chǔ)上設(shè)置useBodyEncodingForURI="true"

　　　　設(shè)置useBodyEncodingForURI=true時，就會將請求參數(shù)和請求體中的參數(shù)根據(jù)

　　　　request.setCharacterEncoding或者contentType中的字符集編碼。

?

?

本文先記錄至此，參考文獻有《深入分析Java web解析》《tomcat docs》

?