javaweb开发中常遇见的乱码问题

首先，说说JSP/Servlet中的几个编码的作用：

1.<%@pagepageEncoding="UTF-8" %>作用：

* 告诉JSP编译器在将JSP文件编译成Servlet时使用的编码。通常，在JSP内部定义的字符串(直接在JSP中定义，而不是从浏览器提交的数据)出现乱码时，很多都是由于该参数设置错误引起的。

例如，你的JSP文件是以GBK为编码保存的 (右击jsp-->Properties --> Text file encoding设置成与pageEncoding不一致时，就有乱码)，而在JSP中却指定pageEncoding="UTF-8"，就会引起JSP内部定义的字符串为乱码。

* 当JSP中不指定contentType参数，也不使用response.setCharacterEncoding方法时，指定对服务器响应进行重新编码的编码

2.<%@pagecontentType="text/html;charset=GBK" %>response.setCharacterEncoding("UTF-8")作用：

* 指定对服务器响应进行重新编码的编码,服务器在将数据发送到浏览器前，对数据进行重新编码。

 * 浏览器也是根据这个参数来对其接收到的数据进行解码，对其发送的请求参数进行编码(如果参数有：<%=URLEncoder.encode("测试","GBK") %>或javascript：encodeURI("测试")则以后者为准)，

自己可以在IE的菜单中选择：查看(V) --> 编码(D)查看得知浏览器的编码(解码)和<%@page contentType="text/html;charset=GBK" %>  response.setCharacterEncoding("UTF-8")设置的编码是一致的。

因此：只要响应结果不是乱码，则浏览器显示结果一定不会是乱码(服务器对响应编码和浏览器对响应解码的编码是一样的)。出现乱码的情况是：浏览器编码 ---> 服务器解码得到的结果是乱码 ---> 造成响应有乱码 --> 浏览器显示乱码

3.<metahttp-equiv="Content-Type" content="text/html;charset=UTF-8">作用：

* 控制浏览器的以何种编码显示网页的内容

* 与2中page指令设置的区别是，meta设置的是浏览器解释，page设置的是服务端解释

4.request.setCharacterEncoding("charset")作用：

* 设置对客户端请求参数进行解码所使用的编码.

* 只对两种请求参数提交方式有效:

* POST表单提交

* GET提交(url或GET表单提交), 此时要求配置

server.xml的<Connector>标签的属性:useBodyEncodingForURI="true"

5.request.getParameter("param")和request.getParameterValues("param")

所获取到的参数数据都是经过服务器解码后的数据

 

接着说下发送请求到返回响应整个编码解码过程：

1.浏览器对请求编码--> 服务器(容器)对请求解码 ---> 服务器对响应编码 ---> 浏览器对响应解码

浏览器编码 ---> 容器解码

浏览器编码默认是使用response.setCharacterEncoding—contentType—pageEncoding的优先顺序指定的编码的，但当对某些参数使用<%=URLEncoder.encode("测试","GBK") %>或javascript：encodeURI("测试")来对参数编码时，会覆盖默认编码，即浏览器这些特定的参数编码以<%=URLEncoder.encode("测试","GBK") %>或javascript：encodeURI("测试")为准

注意：javascript的编码方式：encodeURI(..)和encodeURIComponent(..)是对其参数进行UTF-8编码的

2.浏览器最终显示响应结果出现乱码是因为在过程：

浏览器对请求编码 --> 服务器(容器)对请求解码，出现乱码。

原因是：服务器对响应编码和浏览器对响应解码所使用的编码都是相同的，为response.setCharacterEncoding—contentType指定的编码，而浏览器对请求参数的编码 和 服务器对请求参数解码 所使用的编码如果不一致，就会造成乱码

3.对中文解码，无论使用什么解码方式都是中文。中文只有经过编码，再解码才会出现乱码的可能，如果起始编码和末尾解码所使用的编码一致，就不会出现乱码

4.浏览器编解码说明：

浏览器在接收或发送数据时，会对URL和参数会进行URL解码(接收)或编码(发送)，所使用的编码为：<%@pagecontentType="text/html;charset=GBK" %>或response.setCharacterEncoding("UTF-8")指定的编码

5.服务器编解码说明：

* 服务器发送数据时，按照response.setCharacterEncoding—contentType—pageEncoding的优先顺序，对要发送的数据进行编码。

* 服务器接收数据，要分三种情况。一种是浏览器直接用URL提交的数据，另外两种是用表单的GET和POST方式提交的数据

（1）表单中POST方式提交的情况：

可以通过request.setCharacterEncoding(charset)，来设置对浏览器提交的数据使用什么样的编码进行解码。如果不设置时，服务器默认使用ISO-8859-1来解码请求参数。如果页面的contentType="GBK", 此时要想得到正确的结果，则：

Stringname = newString(request.getParameter("name").getBytes("ISO-8859-1"),"GBK");

如果设置：request.setCharacterEncoding("GBK"),则只需：String name = request .getParameter("name");

所以对于POST表单提交的数据，在获得数据的JSP页面中request.setCharacterEncoding要和生成提交该表单的JSP页面的response.setCharacterEncoding设置成相同的值。还有一种方法解决POST提交乱码问题：使用过滤器，在过滤器中设置request.setCharacterEncoding(charset)

（2）URL提交的数据和表单中GET方式提交的情况：

此时设置request.setCharacterEncoding参数是不行的，因为在Tomcat5.0中，默认情况下使用ISO-8859-1对URL提交的数据和表单中GET方式提交的数据进行解码，而不使用该参数对URL提交的数据和表单中GET方式提交的数据解码。要解决该问题，应该在Tomcat的配置文件server.xml的Connector标签中设置useBodyEncodingForURI或者URIEncoding属性，

*useBodyEncodingForURI参数为true时表示用request.setCharacterEncoding参数对URL提交的数据和表单中GET方式提交的数据进行重新解码。

*URIEncoding参数指定对所有GET方式请求(包括URL提交的数据和表单中GET方式提交的数据)进行统一解码的编码

即处理get方式请求参数有四种情况：

* 不设置server.xml的Connector标签，此时服务器统一对get方式的请求参数进行ISO-8859-1解码，此时设置request.setCharacterEncoding(charset)是无效的

* 设置server.xml的Connector标签，令useBodyEncodingForURI="true"，此时使用情况和post提交方式一致

* 设置server.xml的Connector标签，令URIEncoding="charset",此时服务器统一对get方式的请求参数进行charset解码

* 设置server.xml的Connector标签，令useBodyEncodingForURI="true"URIEncoding="charset", 此时URIEncoding设置无效

 

<Connectorport="8080" maxThreads="150" minSpareThreads="25"maxSpareThreads="75" enableLookups="false"

redirectPort="8443"acceptCount="100" debug="0"connectionTimeout="20000" disableUploadTimeout="true"

useBodyEncodingForURI="true"URIEncoding="UTF-8"/>

使用方法 

范例：URLDecoder.decode(..)是服务器端解码的，而encodeURI(..)是js在客户端编码的

1. javascrip对于get方式的参数编码: Java代码:url=encodeURI(url);服务器端获取参数后解码: Java代码

Stringlinename = newString(request.getParameter("name").getBytes("ISO-8859-1"),"UTF-8");

说明：此时并没有对server.xml的<Connector>配置useBodyEncodingForURI和URIEncoding属性

编码过程：浏览器编码(UTF-8)--> 服务器解码(ISO-8859-1) --> String.getBytes方法编码(ISO-8859-1)--> 创建String解码(UTF-8)

2.javascript:url=encodeURI(encodeURI(url)); //用了2次encodeURI服务器端获取: 

Java代码   Stringlinename = request.getParameter(name); 

字符解码  linename =java.net.URLDecoder.decode(linename , "UTF-8");

浏览器编码(UTF-8) --> 浏览器编码(UTF-8)--> 服务器解码(ISO-8859-1) --> URLDecoder解码(UTF-8)

3.jsp对于get方式的参数编码:url="...."?sport=<%=URLEncoder.encoder("篮球","UTF-8") %>

服务器端获取参数后解码: 

Java代码

String linename = newString(request.getParameter("name").getBytes("ISO-8859-1"),"UTF-8");

说明：此时并没有对server.xml的<Connector>配置useBodyEncodingForURI和URIEncoding属性

编码过程：浏览器编码(UTF-8)--> 服务器解码(ISO-8859-1) --> String.getBytes方法编码(ISO-8859-1)--> 创建String解码(UTF-8)

 

对范例2的说明：

可能大家都觉得对中文进行两次UTF-8编码后，进行一次ISO-8859-1解码和一次UTF-8解码，为什么得到的不是乱码呢？

个人认为java提供的URLEncoder和URLdecoder内部是做了某些处理的，和通String.getBytes获取字节数组，再newString(bytes[], charset)编解码方式使不一样的。如java代码:

String str = "汉字test";
            String str1 = URLEncoder.encode(str, "UTF-8");
            String str2 = URLEncoder.encode(str, "ISO-8859-1");
            String str3 = URLEncoder.encode(str, "UTF-8");
            String str4 = URLEncoder.encode(str3, "ISO-8859-1");
            //使用UTF-8编码  解码成功
            String str6 = URLDecoder.decode(str1, "UTF-8");
            //使用ISO-8859-1编码  解码失败
            String str7 = URLDecoder.decode(str2, "ISO-8859-1");
            //编码次数为两次，解码一次，解码失败
            String str8 = URLDecoder.decode(str4, "UTF-8"); 
            //编码次数等于解码次数，且最终解码方式为字符串初始编码方式就能解码成功，
            //即使中间编码方式为ISO-8859-1
            String str9 = URLDecoder.decode(str8, "UTF-8"); 

从执行结果分析，个人觉得URLEncoder和URLDecoder对ASCII内的字符进行编码, 无论URLEncoder.encode的charset参数是什么，

得到的编码结果都是一样的，无论URLDecoder.decode的charset参数是什么，得到的解码结果都一样，只要中文的起始编码charset和最后解码的chaset一致(这里都是UTF-8)，中间编码和解码次数对等(这里均为两次), 则得到的结果就不会乱码。