解决字符集乱码问题完全攻略

      最近又碰到了中文乱码问题，这里我没有把数据库牵扯进来，先说下我的环境，servlet容器使用Tomcat6.0，浏览器FireFox3.0、IE6，涉及字符编码设置的地方我的思路就是编码的地方都统一使用UTF-8，具体配置如下：

1.所有页面的charset设置为UTF-8。

2.Tomcat的URIEncoding默认是ISO-8859-1，而我设置为UTF-8，主要是想解决中文命名的文件以及请求以get方式提交有可能出现的乱码问题。

3.添加过滤器，调用request.setCharacterEncoding("utf-8")方法将request的字符集设定为utf-8，解决请求以post方式提交的乱码问题。

其实这样的设置貌似是不会再出现乱码问题了，不过，问题依旧来了 ，如果我在浏览器的地址栏中输入中文参数提交，返回的页面却出现了乱码。真搞不明白到底是哪里出了问题！说起来对中文乱码的问题一直是一支半解，出现乱码了，网上搜罗了一大堆资料，按照网上的配置，问题到是解决了，不过原理却搞的很模糊，一个请求发送到服务器，服务器业务逻辑处理后返回一个页面，这中间涉及的字符集转换，编码，解码过程一概不清楚。这次，折腾了半天，总算是更进一步了解了字符编码问题，这里做个总结。

先看我的总结,有不对的地方欢迎批评。

首先我们看下，一个请求响应的流程

 

浏览器 IE/FireFox ----------->Servlet容器------------------------>显示页面

       编码                           使用容器的URIEncoding转码              解码

我把用户发送请求方式不同引起的中文问题划分了四种类型：

1、表单的get提交

2、表单的post提交

3、页面链接传递中文参数

4、地址栏中参数直接输入中文提交

 

1.首先我们看表单get方式提交

      浏览器根据页面的charset编码方式对页面进行编码，然后提交至服务器，首先进入对应的字符编码过滤器(如果有的话)，不过Tomcat6.0对于get提交方式采用的是server.xml文件中的URIEncoding编码方式，而并不会采用过滤器中设置的编码，那么根据我的环境设置，jsp页面都使用UTF-8的编码，Servlet容器的URIEncoding也设置为UTF-8，则servlet不用进行转码即可正确解码，获得正常的中文字符串。那么，响应页面的中文因为页面的统一编码(UTF-8)自然也会正常显示。当然，如果我们Tomcat的URIEncoding设置为其他非UTF-8的编码方式时，页面的内容进入Tomcat解析时，因为Tomcat和页面的编码不统一，就需要转码。例如，如果我们采用Tomcat默认的ISO-8859-1，那么当我们使用request.getParameter("your Variable ")获取表单参数值时其实Servlet就进行了转码，它会以容器编码方式进行解码，这个过程如下：

UTF-8(编码)-->ISO-58859-1(解码)

这个过程也相当于我们使用如下的语句

    new String(变量值.getBytes("UTF-8"),"ISO-8859-1");
  

根据API的解释，先将变量值以UTF-8字符集编码转换为字节序列，再以ISO-8859-1字符集解码字节数组，构造出新的字符串对象。

等价于以下方式：

    String code = "编码";
code = URLEncoder.encode(code,"UTF-8");
code = URLDecoder.decode(code,"ISO-8858-1");

  

 

例如表单的username属性以字符串"编辑"提交，那么进入容器后，FormBean中的这个变量会乱码，request.getParameter(username)一样的效果，s1就是request返回的结果，下面是内存快照。

不过即使这样，我们依然可以使用不恰当的方法显示正常的中文，即逆向转码，例如上面的乱码，我们可以通过ISO8859-1-->UTF-8这种方式还原我们提交时的中文。以下是GBK，UTF-8，ISO-8859-1三者之间互相转换的内存快照：

 我们可以看到，偶数汉字可以在UTF-8，GBK两者中互相转换，而奇数个汉字则不能。综上看来，貌似Tomcat的URIEncoding设置为UTF-8是最好的解决办法，不过这样的设置依然无法解决上面我所说的第三、第四种情况。大家继续向下看。(这里有一点我不确定，就是页面提交至Servlet容器时，是以页面的charset方式编码后直接进入容器，还是以charset转码为ISO-8859-1方式进入，大家有什么见解？)
2.表单的post提交

对于这种方式的请求，request.setCharacterEncoding("一般来自于web.xml中过滤器设置的参数")方法进行编码设置将会产生作用，struts的表单提交方式默认为post方式，那么按照上面我的环境设置，页面，容器，都采用UTF-8编码方式，就不会产生中文乱码问题。
3.页面链接中传递中文参数

我虚拟一个这样的场景，请求页面中有如下代码

    <%
String username = "编辑";
%>
<a href="hello.do?username=<%=username%>">页面中链接传递中文</a>
  

对于这种方式，我们需要先将参数使用统一的编码方式编码，将编码后的字符放入链接，这里我对参数以UTF-8方式编码，如下

    <%
String username = java.net.URLEncoder.encode("编辑","UTF-8");
%>
  

那么这样我们也不会产生中文乱码问题

4.地址栏中参数直接输入中文提交

例如浏览器地址栏中输入"http://localhost:8080/helloapp.do?username=编辑"提交，对于这种方式，浏览器不会采用页面的charset方式对URL中的中文进行编码后提交至服务器(IE,FireFox都一样)，而是采用系统的GBK转码为ISO-8859-1之后提交至Servlet容器，那么，如果对于前三种方式我们所做的设置，在这里就有问题了，因为进入容器时中文进行了GBK至ISO-8859-1的转码，而之前我们的Servlet容器URIEncoding设置为UTF-8，当我们使用request.getParameter("username")时，相当于又进行了这样的流程GBK-->ISO-8859-1-->UTF-8，按照以上我们使用的测试中文，“编辑”，使用request.getParameter("username")则会得到这样的结果�༭，下图是进行转码的内存快照：

我们可以看到

“编辑”经过从GBK-->ISO-8859-1-->UTF-8的过程后得到的就是�༭这样的结果，这里我们还会想到那进行2次逆向转码看看，不过可惜的是，结果为“锟洁辑”。对于这种情况，我们的解决办法就是，Tomcat的URIEncoding采用默认的ISO-8859-1字符集，那么我们可以在程序中通过ISO-8859-1-->GBK这样不恰当的逆向转码方式得到正常的中文“编辑”，但这样的结果是，我们get请求方式的中文处理解决办法就需要改变。如，在我的环境下就需要进行ISO-8859-1-->UTF-8的转码，挺不爽。

 

综上，对于乱码问题，前三种方式是一般用户的请求方式，第四种属于非正常途径的请求方式，对于这种方式产生的问题我认为无法很好的解决，也不需要解决。我看到javaeye对于这样的情况就没有处理，不知道大家在自己的项目中是如何处理的？我的实验是，IE6的设置会影响应用路径的编码方式，例如地址栏中请求一个中文JSP页面，如：http://localhost:8080/helloapp/编辑.jsp，IE默认是勾选"以UTF-8发送URL"项的，那么按照我上面总结的处理方式，这个请求可以正常显示页面，如图：

如果取消IE的这个选项，那么浏览器会以GBK编码应用路径的中文，得到的结果如图：

按照我上面的设置，这里如果将Tomcat的URIEncoding设置为GBK，则也可以正常显示页面。对于FireFox3.0，则是以UTF-8编码。

最后，回到我的题目，向大家讨教下，IE6的“以UTF-8发送URL”选项设置对请求页面字符编码有影响吗？欢迎讨论！

 

我的测试代码共享给大家:),使用的是struts1.2，struts的jar包，大家可以去apache下载。

 

这里推荐个链接，有兴趣的可以深入了解更多字符集、编码的问题。

http://hideto.iteye.com/blog/97803

解决字符集乱码问题完全攻略