JAVA WEB 笔记--中文乱码

JAVA WEB 乱码问题解析

乱码原因

　　在Java Web开发过程中，经常遇到乱码的问题，造成乱码的原因，概括起来就是对字符编码和解码的方式不匹配。

　　既然乱码的原因是字符编码与解码的方式不匹配，那么为什么我们一定要对字符进行编码，不编码可不可以呢？这是因为在计算机中存储数据的基本单位是1个字节，即8个bit，那么它所能表达的字符的最多有2⁸=256个，而在我们现实社会中存在的字符（汉字、英文、其他文字等等）远远多余这个数字，所以为了解决字符与字节的矛盾，对字符进行编码处理才能存储在计算机中。

编码与解码

　　在计算机中常见的编码方式有ASCII、ISO-8859-1、GB2312、UTF-16、UTF-8几种编码方式。

　　ASCII码是使用一个字节的低7位来表示的，所以共能表达的字符最多有2⁷=128个。ISO-8859-1是ISO组织基于ASCII码的基础上扩展来的，兼容ASCII码，涵盖了大多数西欧字符。ISO8859-1使用一个字节来表示，所以其能表达的字符最多有256个。GB2312，采用了双字节编码，编码范围是A1-F7，其中A1-A9是符号区，B0-F7是汉字区，包含6763个汉字。GBK是为了扩展GB2312编码，并加入了更多的汉字，总能表达的汉字有21003个。UTF-16是采用定长的编码方式，无论什么字符都采用2个字节进行表示，这也是JAVA内存中字符的存储格式。与UTF-16相反，UTF-8采用了变长的编码方式，不同的类型的字符可以由1-6个字节组成。

 　　下面以字符串“日向雏田”来看一下在计算机中不同编码方式的编码，如下图。

 

乱码分析与解决

　　对于JAVA WEB中乱码问题，我们划分位请求导致的乱码和响应导致的乱码，对于不同的乱码我们要分析其乱码原因，即字符编码的方式是什么，解码的方式是什么。

　　对于由于请求导致的乱码我们要分析Http请求，查看其编码方式，由于HTTP请求分为Get请求和Post请求，我们接下来分别对其进行讨论。

　　对于Get请求，是浏览器默认的请求方式，和表单提交时设置为“Get”时的提交方式。我们通过火狐浏览器我们查看其具体内容如下：

　　地址栏为：

　　请求内容为：

　　

　　通过上面请求我们可以看到，GET请求中查询字符串放在了请求行中存放，发送到WEB服务器中，通过“日向雏田”编码我们可以看到，浏览器对该字符串采用的编码方式为“UTF-8”。

　　查看服务器代码我们可以看到乱码（如下图），这是因为服务器在接受到该字符串编码后的数据默认通过ISO-8859-1的方式进行解码，所以造成了编码与解码的方式不统一。

　　

　　解决方案如下：

　　首先获取字符串user解码前的编码，然后指定该字符串的编码方式，如下图：

　　解决方案示意图如下：

 

　　在Java web开发过程中，我们在超链接中传递参数，经常遇到中文的情况。对此情况下，我们需要对中文进行编码，我们可以设置为UTF-8，解码方案同上。

　　

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

　　对于Post请求，是表单提交时设置为“Post”时的提交方式。我们通过火狐浏览器我们查看其具体内容如下：

　　地址栏及其页面为：

　　

　　post请求内容为：

　　

　　由上图我们可以知道，在post请求中，将请求内容直接放在请求体中发送给web服务器，编码方式为“utf-8”。

　　在此响应Servlet中，doPost方法体如下：

　　

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
	}

 

　　此处乱码的原因依然时在代码getParameter（“user”）时，web服务器采用默认的解码方案“ISO-8859-1”进行解码，导致了编码与解码方案的不同意，解决方案可以采用get请求乱码的解决方案，但是还有一种更为简单的解决方案，直接指定方法体的编码/解码方案为“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
	}

 　　以上对于请求导致的乱码情况分析完毕。

　　在影响导致的乱码中，web服务器会将响应的内容写入响应体中，返回给客户端并不会涉及到状态行中的情况。如向浏览器输出”HelloWorld“其响应如下图所说。

　　对于响应导致的乱码我们不得不涉及到四个方法，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

 

　　对于设置响应体的编码类型，如response.setHeader("Content-Type", "text/html;cahrset=utf-8");与response.setCharacterEncoding("utf-8");这2个方法设置的编码方式等效，若没有设置响应体的编码方式，则默认为ISO-8859-1，而且后面设置响应体字符的编码方式会迭代前面的设置编码的方式。这两个方法均在getWriter方法前有效，在getWriter方法设置编码的方法会无效。

　　但是这2个方法却有点不同，即setHeader("Content-Type", "text/html;cahrset=utf-8")这个方法浏览器会自动采用该响应体的编码方式进行解码，而setCharacterEncoding()该方法并不是所有的浏览器都会采用该方法的编码方式进行解码，下面对这2个方法进行测试，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 笔记--中文乱码的详细内容。更多信息请关注PHP中文网其他相关文章！