JavaWeb——中文编码问题

一、常见的编码方式

(1)ASCII码
这是最简单的一种编码方式。这种编码方式总共可以表示128个字符,其中包括控制字符(如换行、回车等)、打印字符,显而易见,这种编码方式并不支持中文。
(2)ISO-8859-1
这种编码是基于ASCII码基础上扩展的,它总共能表示256个字符,涵盖了大部分的西欧语言,该编码也并不支持中文。
(3)GB2312
这是一种双字节编码,共包含了6763个汉字。
(4)GBK
汉字内部扩展规范,加入了更多的汉字,能表示21003个汉字。它的编码是在GB2312个基础上扩展的,所以GB2312编码的汉字可以使用GBK来解码,并不会出现乱码。当然,倒过来就不可以了。
(5)UTF-16
UTF-16是基于Unicode定义的,用两个字节来表示Unicode的转换格式,它采用定长的表示方法,即无论什么字符都使用两个字节来表示。两个字节是16个bit,故称之为UTF-16。UTF-16几乎囊括了世界上所有的语言。
(6)UTF-8
由于UTF-16统一采用两个字节来表示一个字符,但是有很多字符只需要一个字节来表示即可。所以存储空间放大了一倍,还会增加网络传输的流量,所以推出了UTF-8。UTF-8采用了一种变长技术,每个编码区域有不同的字码长度。
现如今,最为理想的编码为UTF-8,在实际的生产过程中,大多数时候我们也是使用该编码。但是在JavaWeb的信息传输中却很容易出现编码方面的错误。

二、请求编码

(1)直接在地址栏中输入中文
请求数据是由客户端浏览器发送给服务器的,请求数据的编码是由浏览器决定的。例如在浏览器地址栏中给出:http://localhost:8080/hello/Servlet?username=张三,那么其中“张三”是使用什么编码的呢?
不同浏览器使用不同的编码方式,所以这是不确定的!
IE:使用GB2312;
FireFox:使用GB2312;
Chrome:使用UTF-8;
通常没有哪个应用要求用户在地址栏中输入请求数据的,所以这一点只需要了解一下即可。
(2)在页面中发出请求
通常向服务器发送请求数据都需要先请求一个页面,然后用户在页面中输入数据。页面中有超链接和表单,通过超链接或者表单就可以向服务器发送数据了。
因为页面是服务器发送到客户端浏览器的,所以这个页面本身的编码由服务器决定。而用户在页面中输入的数据也是由页面本身的编码决定的。
index.html



  
    index.html
    
    
  
  
    
username: password:
链接

当用户在index.html页面中输入数据时,都是UTF-8列表的。因为这个页面本身就是UTF-8编码的。
(3)GET请求解读编码
当客户端通过GET请求发送数据给服务器时,使用request.getParameter()获取的数据是被服务器误认为ISO-8859-1编码的,也就是说客户端发送过来的数据无论是UTF-8还是GBK,服务器都认为是ISO-8859-1,这就说明我们需要在使用request.getParameter()获取数据后,再转发成正确的编码。
例如客户端以UTF-8发送的数据,使用如下转码方式:

String nameString = request.getParameter("username");
byte[] bytes = nameString.getBytes();
nameString = new String(bytes, "utf-8");

(4)POST请求解读编码
当客户端通过POST请求发送数据给服务器时,可以使用以下方式:
在request.getParameter()获取请求参数之前先通过request.setCharacterEncoding()来指定编码,然后再使用request.getParameter()方法来获取请求参数,那么就是用指定的编码来读取了。
也就是说,如果是POST请求,服务器可以指定编码!但如果没有指定编码,服务器依旧会使用ISO-8859-1来解码。

request.setCharacterEncoding("utf-8")ing name = request.getParameter("username");

三、响应编码

响应:服务器发送给客户端数据!响应是由response对象来完成,如果响应的数据不是字符数据,那么就无需去考虑编码问题。当然,如果响应的数据是字符数据,那么就一定要考虑编码的问题了。

response.getWrite().print("张三");

上面代码因为没有设置response.getWriter()字符流的编码,所以服务器使用默认的编码(ISO-8859-1)来处理,因为ISO-8859-1不支持中文,所以一定会出现乱码。
所以在使用response.getWriter()发送数据之前,一定要设置response.getWriter()的编码,这需要使用response.setCharacterEncoding()方法:

response.setCharacterEncoding("utf-8");
response.getWriter().print("张三");

上面代码因为在使用response.getWriter()输出之前已经设置了编码,所以输出的数据为utf-8编码。但是,因为没有告诉客户端使用什么编码来读取响应数据,所以很可能浏览器会出现错误的解读,那么还会出现乱码。当然,通常浏览器都支持来设置当前页面的编码,如果用户在看到编码时,去设置浏览器的编码,如果设置得正确,那么乱码就会消失。但是我们不能让用户总去自己设置编码,而是应该直接通知浏览器,服务器发过来的是什么编码,这样浏览器就直接使用服务器告诉它的编码来解读!这需要使用content-type响应头。

response.setContentType("text/html;charset=utf-8");
response.getWriter().print("张三");

上面代码使用setContentType()方法设置了响应头content-type编码为utf-8,这不只是在响应中添加了响应头,还等于调用了一次response.setCharacterEncoding("utf-8"),也就是说,我们只需要调用一次response.setContentType()方法即可,而无需调用其它方法了。
静态页面中,可以使用来设置content-type响应头,例如:


四、URL编码

通过页面传输数据给服务器时,如果包含了一些特殊字符是无法发送的。这时就需要先把要发送的数据转换成URL编码,再发送给服务器。
其实需要我们自己动手给数据转换成URL编码的只有GET超链接,因为表单发送数据会默认使用URL编码,即不需要我们自己来编码。
例如:“张三”这两个字通过URL编码后得到的是:“%e5%bc%a0%e4%b8%89”。
当然,在页面中我们不需要自己去通过复杂的过程把“张三”转换成“%e5%bc%a0%e4%b8%89”,而是使用Javascript来完成即可。当后面我们学习了JSP后,就不用再使用Javascript了。


链接

因为URL默认只支持ASCII码,这说明在URL中出现中文和一些特殊字符可能无法发送到服务器。所以我们需要对包含中文或特殊字符的URL进行URL编码。
服务器会自动识别数据是否使用了URL编码,如果使用了服务器会自动把数据解码,无需我们自己动手解码。

转自:传智博客。

你可能感兴趣的