JAVA WEB 筆記--中文亂碼

JAVA WEB 亂碼問題解析

亂碼原因

　　在Java Web開發過程中，經常遇到亂碼的問題，造成亂碼的原因，概括起來就是對字元編碼和解碼的方式不符。

　　既然亂碼的原因是字元編碼與解碼的方式不匹配，那麼為什麼我們一定要對字元進行編碼，不編碼可不可以呢？這是因為在電腦中儲存資料的基本單位是1個位元組，即8個bit，那麼它所能表達的字元的最多有2⁸=256個，而在我們現實社會中存在的字元（漢字、英文、其他文字等等）遠遠多餘這個數字，所以為了解決字元與位元組的矛盾，將字元進行編碼處理才能儲存在電腦中。

編碼與解碼

　　在電腦中常見的編碼方式有ASCII、ISO-8859-1、GB2312、UTF-16、UTF-8幾種編碼方式。

　　ASCII碼是使用一個位元組的低7位元來表示的，所以共能表達的字元最多有2⁷=128個。 ISO-8859-1是ISO組織基於ASCII碼的基礎上擴展來的，相容於ASCII碼，涵蓋了大多數西歐字元。 ISO8859-1使用一個位元組來表示，所以其能表達的字元最多有256個。 GB2312，採用了雙位元組編碼，編碼範圍是A1-F7，其中A1-A9是符號區，B0-F7是漢字區，包含6763個漢字。 GBK是為了擴展GB2312編碼，並加入了更多的漢字，總是能表達的漢字有21003個。 UTF-16是採用定長的編碼方式，無論什麼字元都採用2個位元組進行表示，這也是JAVA記憶體中字元的儲存格式。與UTF-16相反，UTF-8採用了變長的編碼方式，不同的類型的字元可以由1-6個位元組組成。

 　　下面以字串「日向雛田」來看一下在電腦中不同編碼方式的編碼，如下圖。

 

#亂碼分析與解決

　　對於JAVA WEB中亂碼問題，我們分割位元請求導致的亂碼和回應導致的亂碼，對於不同的亂碼我們要分析其亂碼原因，即字元編碼的方式是什麼，解碼的方式是什麼。

　　對於由於請求導致的亂碼我們要分析Http請求，查看其編碼方式，由於HTTP請求分為Get請求和Post請求，我們接下來分別對其進行討論。

　　對於Get請求，是瀏覽器預設的請求方式，和表單提交時設定為「Get」時的提交方式。我們透過火狐瀏覽器我們查看其具體內容如下：

　　網址列為：

　　請求內容為​​：

　　

　　透過上面請求我們可以看到，GET請求中查詢字串放在了請求行中存放，發送到WEB伺服器中，透過「日向雛田」編碼我們可以看到，瀏覽器對該字串採用的編碼方式為「UTF-8」。

　　查看伺服器代碼我們可以看到亂碼（如下圖），這是因為伺服器在接受到該字串編碼後的資料預設透過ISO-8859-1的方式進行解碼，所以造成了編碼與解碼的方式不統一。

　　

#　　解決方案如下：

　　先取得字串user解碼前的編碼，然後指定該字串的編碼方式，如下圖：

#　　解決方案示意圖如下：

 

　　在Java web開發過程中，我們在超連結中傳遞參數，經常遇到中文的情況。對此情況下，我們需要對中文進行編碼，我們可以設定為UTF-8，解碼方案同上。

　　

<a href="${pageContext.request.contextPath}/Test?user=<%=URLEncoder.encode("日向雏田", "UTF-8")%>">点击</a>

　　對於Post要求，是表單提交時設定為「Post」時的提交方式。我們透過火狐瀏覽器我們查看其具體內容如下：

　　網址列及其頁面為：

　　

#　　post請求內容為​​：

　　

　　由上圖我們可以知道，在post請求中，將請求內容直接放在請求體中傳送給web伺服器，編碼方式為「utf-8」。

　　在此回應Servlet中，doPost方法體如下：

　　

#

public void doPost(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		String user=request.getParameter("user");
		System.out.println(user);//输出为日向雏田
	}

# 

　　此處亂碼的原因依然時在代碼getParameter（「user」）時，web伺服器採用預設的解碼方案「ISO-8859-1」進行解碼，導致了編碼與解碼方案的不同意，解決方案可以採用get請求亂碼的解決方案，但是還有一種更為簡單的解決方案，直接指定方法體的編碼/解碼方案為“utf-8”。方案如下。

　　

#

public void doPost(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		response.setCharacterEncoding("utf-8");　　//设置请求体的编码/解码方案为UTF-8 但是请求行的编码解码方案不会受影响
		String user=request.getParameter("user");
		System.out.println(user);　　　　　　　　　　//输出为日向雏田
	}

 　　以上對於請求導致的亂碼狀況分析完畢。

　　在影響導致的亂碼中，web伺服器會將回應的內容寫入回應體中，傳回給客戶端並不會涉及狀態列中的情況。如向瀏覽器輸出」HelloWorld「其回應如下圖所說。

#　　對於回應導致的亂碼我們必須涉及四個方法，如下：

　

#

response.setHeader("Content-Type", "text/html;cahrset=utf-8");//设置发送到客户端的响应的内容类型和响应内容的编码类型（响应体的编码类型）
response.setCharacterEncoding("utf-8");//设置响应体的编码类型
response.getWriter();　　　　　　　　　　　//获取响应的输出字符流　
response.getOutputStream();　　　　　　　 //获取响应的输出字节流

 

　　#對於設定回應體的編碼類型，如response.setHeader("Content-Type", "text/html;cahrset=utf-8");與response.setCharacterEncoding("utf-8");這2個方法設定的編碼方式等效，若沒有設定響應體的編碼方式，則預設為ISO-8859-1，且後面設定響應體字元的編碼方式會迭代前面的設定編碼的方式。這兩個方法都在getWriter方法前有效，在getWriter方法設定編碼的方法會無效。

　　但是這2個方法卻有點不同，即setHeader("Content-Type", "text/html;cahrset=utf-8")這個方法瀏覽器會自動採用該響應體的編碼方式進行解碼，而setCharacterEncoding()該方法並不是所有的瀏覽器都會採用該方法的編碼方式進行解碼，下面對這2個方法進行測試，效果如下：

#

	public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		response.setHeader("Content-Type", "text/html;charset=utf-8");
		response.getWriter().write("日向雏田");
	}

　　

　　

public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		response.setCharacterEncoding("utf-8");
		response.getWriter().write("日向雏田");
	}

#

　　

 

 　　从上面可以看到第一个方法对于浏览器来说，支持的较好，提倡采用第一种方法设置响应体的字符编码方式。

　　对于获取响应字符输出流的方法，如果在此之前没有设置响应体的编码方式，那么默认为null，即ISO-8859-1方式进行编码。而且后面设置的编码方式会覆盖前面设置的编码方式。在getWriter（）方法之后设置的编码无效。

　　对于获取响应输出字节流，我们在输出字符串时，我们需要设置字符串的编码方式如果没有那么默认ISO-8859-1。

　　对于前面2个输出流，由于只有一个输出缓存，所以这两个方法互斥。

　　以上，为了保证响应无乱码，需要保证字符编码和解码方法的统一，方案如下：

	public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
//	方案1
//		response.setHeader("Content-Type", "text/html;charset=utf-8");
//		response.getWriter().write("日向雏田");
//	方案2
//		response.getOutputStream().write("日向雏田".getBytes("UTF-8"));
//	方案1，2互斥
	}

　　

 　　此外在Java web开发过程中，我们还会遇到当进行文件下载时，中文文件名导致的问题，如下图所示：

	public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		String realPath=this.getServletContext().getRealPath("/src/日向雏田.jpg");
		String fileName=realPath.substring(realPath.lastIndexOf('\\')+1);
		response.setHeader("content-disposition", "attachment;filename="+fileName);
		InputStream is=new FileInputStream(new File(realPath));
		OutputStream os=response.getOutputStream();
		byte[] buff=new byte[1024];
		int len=0;
		while((len=is.read(buff))>0){
			os.write(buff, 0, len);
		}
		os.close();
		is.close();
	}

　　采用火狐浏览器进行测试，查看页面效果，及其响应结果如下：

　　

　　经过查看响应头分析，下载文件名存放在响应头中，且对于中文文字没有采用UTF-8、UTF-16、GBK等等能识别中文的编码，那么对于中文文件名导致采用哪种编码方式呢？查看REF 7578得知，在此处采用ASCII编码，但是REF规定，如果不可避免的要使用非ASCII码的字符，程序员应该均匀的使用UTF-8，来最小化交互操作的问题。

　　所以，解决方案就是把文件名编码成UTF-8，传递给响应头，浏览器（部分）默认对该文件名进行UTF-8解码处理。

public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException {
		String realPath=this.getServletContext().getRealPath("/src/日向雏田.jpg");
		String fileName=realPath.substring(realPath.lastIndexOf('\\')+1);
		String utf_8Name=URLEncoder.encode(fileName,"utf-8");//解决方案
		response.setHeader("content-disposition", "attachment;filename="+utf_8Name);
		InputStream is=new FileInputStream(new File(realPath));
		OutputStream os=response.getOutputStream();
		byte[] buff=new byte[1024];
		int len=0;
		while((len=is.read(buff))>0){
			os.write(buff, 0, len);
		}
		os.close();
		is.close();
	}

　　效果如下：其中火狐浏览器并没有对其解码

　

以上是JAVA WEB 筆記--中文亂碼的詳細內容。更多資訊請關注PHP中文網其他相關文章！