浅析java字符编码（在socket游走之间）

在引子中，介绍了一些在文件操作时需要注意的java字符编码细节。而在实际工程中，对java字符的操作更多情况下是在网络上以流的方式进行编解码。这篇文章就尝试着记录一些这方面的心得，与大家分享。

一般来说，工程中免不了与第三方厂商或系统交互，有时候你是作为发送方，有时候你是作为接收方。如果不采用类似于MQ这样的消息中间件，那么对于消息的交互细节，有一些是必须注意的。

自己动手，丰衣足食

为了完成一些基本的接收和发送动作，我们大可以自己动手，利用java中的socket api，实现一个如下的客户端和服务端。

Client:

   1: InetAddress addr = InetAddress.getLocalHost();

   2: int port = 9876;

   3: Socket socket = new Socket();

   4: SocketAddress socketAddr = new InetSocketAddress(addr, port);

   5:  

   6: String data = "中文123";

   7: socket.connect(socketAddr);

   8:  

   9: String path = "/";

  10: BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(socket.getOutputStream(), "UTF-8"));

  11: bw.write("POST " + path + " HTTP/1.0\r\n");

  12: bw.write("Content-Length: " + data.getBytes("UTF-8").length + "\r\n");

  13: bw.write("\r\n");

  14:  

  15: // send request with the data

  16: bw.write(data);

  17: bw.flush();

  18:  

  19: // get response

  20: BufferedReader br = new BufferedReader(new InputStreamReader(socket.getInputStream(), "UTF-8"));

  21: String line = "";

  22: while ((line = br.readLine()) != null) {

  23:     System.out.println(line);

  24: }

  25: bw.close();

  26: br.close();

这里需要注意的是有几点：

1. 第12行Content-Length的大小一定要设置正确，这里的长度是POST正文数据的byte大小。一会联系server端的代码详细解释这个属性。

2. Content-Type作为Http header并不是必需的。有时候我们会发现有些流Content-Type是写着UTF-8，但实际上它的内容不是按照UTF-8编码的。所以这个属性对内容数据并没有约束力。

3. 第10行至第13行用了BufferedWriter进行数据发送，这里可以有多种选择，比如PrintStream。

Server:

刚才说到了Client发送的Content-Length指定了发送内容的byte大小，那么这个值在server端如何取得呢？一般的做法是通过一个BufferedReader对socket.getInputStream()进行adapt，然后就可以用readline()方法一行一行地将头信息读出来，由于Http Header都是ASCII字符，由于无论哪种解码方式Content-Length的值都能正确得到。

接下来读取body信息的方式就有一些陷阱在里面了。

陷阱1. 网络上的字符流不同于文件中固定的字符流，它是没有EOF的。所以什么时候停止是由你来决定的，如果你一直readLine()它是不会终止的。

陷阱2. 刚才已经得到了Content-Length，那么你是不是会尝试以下的代码呢？

   1: for (int i = 0; i < contentLength; i++) {

   2:     sb.append((char) br.read());

这段代码的结果在处理刚才发送的“中文123”时便会读了5个字符后无法往下读，这是由于br是按char来读，而并非byte，那么在读完5个字符后便停止了（但如同readLine()读完后一样，它并不会返回一个EOF）。而contentLength是9。

如果你说为什么不在发送时将contentLength指定为5呢？这就纯粹是为了解决问题而解决问题，更违背了HTTP的RFC规范。

规范的做法是首先不对socket.getInputStream()进行任何的adapt，即不进行decoding，先将body的byte[]数组完整取出来，再对其decoding。

Solution1. 如果socket的inputstream你只需要遍历一遍，那么用inputstream的read()方法先得到contentLength，就能顺利得到body的byte[]数组。

Solution2. 如果socket的inputstream你需要遍历多遍，比如首先要计算body的某一部分的md5值，那么通过socket的inputstream首先构造一个ByteArrayInputStream是更好的选择。不但可以调用mark()和reset()方法，更可以利用其有EOF直接调用readLine()方法。

   1: InputStream input = socket.getInputStream();

   2: byte[] buffer = new byte[1024];

   3: int readNum = input.read(buffer);

   4:  

   5: // wrap a local stream

   6: ByteArrayInputStream ins = new ByteArrayInputStream(buffer, 0, readNum);

   7: BufferedReader br = new BufferedReader(new InputStreamReader(ins, "UTF-8"));    // UTF-8 is necessary

   8: String line = "";

   9: long contentLength = 0;

  10: while ((line = br.readLine()) != null) {

  11:     if (line.startsWith("Content-Length")) {

  12:         contentLength = Long.parseLong(line.substring(line.indexOf(':') + 1).trim());

  13:     }

  14:     if (line.equals(""))

  15:         break;

  16: }

  17:  

  18: StringBuffer sb = new StringBuffer();

  19:  

  20: while ((line = br.readLine()) != null)

  21:     sb.append(line);

  22:  

  23: PrintStream out = new PrintStream(socket.getOutputStream());

  24: out.println("HTTP/1.0 200 OK");

  25: out.println("Content-Type: text/html;charset=UTF-8");

  26: out.println(); // blank will end http-header

  27: out.write("123中文".getBytes("UTF-8"));

  28:  

  29: socket.close();

几点说明：

1. 第2行到第3行的代码需要些小改动以适应大数据量post的情况。

2. 第23行到第27的代码与Client端利用BufferedWriter输出的情况类似，一些细节可以自行比较。

3. 你可能会注意到一个细节，为什么Client在read response（Client代码20-24行）可以毫无忌惮地使用BufferedReader来读？因为在Client端的read动作是在Server端发出close()动作之后，而这同样可以解释为什么在Server端socket.getInpuStream()没有EOF标志。

下一节将介绍一下client端及server端代表了先进生产力的API，自己制造粗糙的轮子并不是一件好事，嗯。