編碼&解碼
通過下圖我們可以了解在javaWeb中有哪些地方有轉碼：
用戶想服務器發送一個HTTP請求，需要編碼的地方有url、cookie、parameter，經過編碼后服務器接受HTTP請求，解析HTTP請求，然后對url、cookie、parameter進行解碼。在服務器進行業務邏輯處理過程中可能需要讀取數據庫、本地文件或者網絡中的其他文件等等，這些過程都需要進行編碼解碼。當處理完成后，服務器將數據進行編碼后發送給客戶端，瀏覽器經過解碼后顯示給用戶。在這個整個過程中涉及的編碼解碼的地方較多，其中最容易出現亂碼的位置就在于服務器與客戶端進行交互的過程。
上面整個過程可以概括成這樣，頁面編碼數據傳遞給服務器，服務器對獲得的數據進行解碼操作，經過一番業務邏輯處理后將最終結果編碼處理后傳遞給客戶端，客戶端解碼展示給用戶。所以下面我就請求對javaweb的編碼&解碼進行闡述。
請求
客戶端想服務器發送請求無非就通過四中情況：
1、URL方式直接訪問。
2、頁面鏈接。
3、表單get提交
4、表單post提交
URL方式
對于URL，如果該URL中全部都是英文的那倒是沒有什么問題，如果有中文就要涉及到編碼了。如何編碼？根據什么規則來編碼？又如何來解碼呢？下面將一一解答！首先看URL的組成部分：
在這URL中瀏覽器將會對path和parameter進行編碼操作。為了更好地解釋編碼過程，使用如下URL
http://127.0.0.1:8080/perbank/我是cm?name=我是cm
將以上地址輸入到瀏覽器URL輸入框中，通過查看http 報文頭信息我們可以看到瀏覽器是如何進行編碼的。下面是IE、Firefox、Chrome三個瀏覽器的編碼情況：
可以看到各大瀏覽器對“我是”的編碼情況如下：
|
path部分 |
Query String |
|
|
Firefox |
E6 88 91 E6 98 AF |
E6 88 91 E6 98 AF |
|
Chrome |
E6 88 91 E6 98 AF |
E6 88 91 E6 98 AF |
|
IE |
E6 88 91 E6 98 AF |
CE D2 CA C7 |
查閱上篇博客的編碼可知對于path部分Firefox、chrome、IE都是采用UTF-8編碼格式，對于Query String部分Firefox、chrome采用UTF-8，IE采用GBK。至于為什么會加上%，這是因為URL的編碼規范規定瀏覽器將ASCII字符非 ASCII 字符按照某種編碼格式編碼成 16 進制數字然后將每個 16 進制表示的字節前加上“%”。
當然對于不同的瀏覽器，相同瀏覽器不同版本，不同的操作系統等環境都會導致編碼結果不同，上表某一種情況，對于URL編碼規則下任何結論都是過早的。由于各大瀏覽器、各個操作系統對URL的URI、QueryString編碼都可能存在不同，這樣對服務器的解碼勢必會造成很大的困擾，下面我們將已tomcat，看tomcat是如何對URL進行解碼操作的。
解析請求的 URL 是在 org.apache.coyote.HTTP11.InternalInputBuffer 的 parseRequestLine 方法中，這個方法把傳過來的 URL 的 byte[] 設置到 org.apache.coyote.Request 的相應的屬性中。這里的 URL 仍然是 byte 格式，轉成 char 是在 org.apache.catalina.connector.CoyoteAdapter 的 convertURI 方法中完成的：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
protected void convertURI(MessageBytes uri, Request request) throws Exception { ByteChunk bc = uri.getByteChunk(); int length = bc.getLength(); CharChunk cc = uri.getCharChunk(); cc.allocate(length, -1); String enc = connector.getURIEncoding(); //獲取URI解碼集 if (enc != null) { B2CConverter conv = request.getURIConverter(); try { if (conv == null) { conv = new B2CConverter(enc); request.setURIConverter(conv); } } catch (IOException e) {...} if (conv != null) { try { conv.convert(bc, cc, cc.getBuffer().length - cc.getEnd()); uri.setChars(cc.getBuffer(), cc.getStart(), cc.getLength()); return; } catch (IOException e) {...} } } // Default encoding: fast conversion byte[] bbuf = bc.getBuffer(); char[] cbuf = cc.getBuffer(); int start = bc.getStart(); for (int i = 0; i < length; i++) { cbuf[i] = (char) (bbuf[i + start] & 0xff); } uri.setChars(cbuf, 0, length); } |
從上面的代碼可知，對URI的解碼操作是首先獲取Connector的解碼集，該配置在server.xml中
|
1
|
<Connector URIEncoding="utf-8" /> |
如果沒有定義則會采用默認編碼ISO-8859-1來解析。
對于Query String部分，我們知道無論我們是通過get方式還是POST方式提交，所有的參數都是保存在Parameters，然后我們通過request.getParameter，解碼工作就是在第一次調用getParameter方法時進行的。在getParameter方法內部它調用org.apache.catalina.connector.Request 的 parseParameters 方法，這個方法將會對傳遞的參數進行解碼。下面代碼只是parseParameters方法的一部分：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
//獲取編碼 String enc = getCharacterEncoding(); //獲取ContentType 中定義的 Charset boolean useBodyEncodingForURI = connector.getUseBodyEncodingForURI(); if (enc != null) { //如果設置編碼不為空，則設置編碼為enc parameters.setEncoding(enc); if (useBodyEncodingForURI) { //如果設置了Chartset，則設置queryString的解碼為ChartSet parameters.setQueryStringEncoding(enc); } } else { //設置默認解碼方式 parameters.setEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING); if (useBodyEncodingForURI) { parameters.setQueryStringEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING); } } |
從上面代碼可以看出對query String的解碼格式要么采用設置的ChartSet要么采用默認的解碼格式ISO-8859-1。注意這個設置的ChartSet是在 http Header中定義的ContentType，同時如果我們需要改指定屬性生效，還需要進行如下配置：
|
1
|
<Connector URIEncoding="UTF-8" useBodyEncodingForURI="true"/> |
上面部分詳細介紹了URL方式請求的編碼解碼過程。其實對于我們而言，我們更多的方式是通過表單的形式來提交。
表單GET
我們知道通過URL方式提交數據是很容易產生亂碼問題的，所以我們更加傾向于通過表單形式。當用戶點擊submit提交表單時，瀏覽器會更加設定的編碼來編碼數據傳遞給服務器。通過GET方式提交的數據都是拼接在URL后面（可以當做query String？？）來提交的，所以tomcat服務器在進行解碼過程中URIEncoding就起到作用了。tomcat服務器會根據設置的URIEncoding來進行解碼，如果沒有設置則會使用默認的ISO-8859-1來解碼。假如我們在頁面將編碼設置為UTF-8，而URIEncoding設置的不是或者沒有設置，那么服務器進行解碼時就會產生亂碼。這個時候我們一般可以通過new String(request.getParameter("name").getBytes("iso-8859-1"),"utf-8") 的形式來獲取正確數據。
表單POST
對于POST方式，它采用的編碼也是由頁面來決定的即contentType。當我通過點擊頁面的submit按鈕來提交表單時，瀏覽器首先會根據ontentType的charset編碼格式來對POST表單的參數進行編碼然后提交給服務器，在服務器端同樣也是用contentType中設置的字符集來進行解碼（這里與get方式就不同了），這就是通過POST表單提交的參數一般而言都不會出現亂碼問題。當然這個字符集編碼我們是可以自己設定的：request.setCharacterEncoding(charset) 。
解決URL中文亂碼問題
我們主要通過兩種形式提交向服務器發送請求：URL、表單。而表單形式一般都不會出現亂碼問題，亂碼問題主要是在URL上面。通過前面幾篇博客的介紹我們知道URL向服務器發送請求編碼過程實在是實在太混亂了。不同的操作系統、不同的瀏覽器、不同的網頁字符集，將導致完全不同的編碼結果。如果程序員要把每一種結果都考慮進去，是不是太恐怖了？有沒有辦法，能夠保證客戶端只用一種編碼方法向服務器發出請求？
有！這里我主要提供以下幾種方法
javascript
使用javascript編碼不給瀏覽器插手的機會，編碼之后再向服務器發送請求，然后在服務器中解碼。在掌握該方法的時候，我們需要料及javascript編碼的三個方法：escape()、encodeURI()、encodeURIComponent()。
escape
采用SIO Latin字符集對指定的字符串進行編碼。所有非ASCII字符都會被編碼為%xx格式的字符串，其中xx表示該字符在字符集中所對應的16進制數字。例如，格式對應的編碼為%20。它對應的解碼方法為unescape()。
事實上escape()不能直接用于URL編碼，它的真正作用是返回一個字符的Unicode編碼值。比如上面“我是cm”的結果為%u6211%u662Fcm，其中“我”對應的編碼為6211，“是”的編碼為662F，“cm”編碼為cm。
注意，escape()不對"+"編碼。但是我們知道，網頁在提交表單的時候，如果有空格，則會被轉化為+字符。服務器處理數據的時候，會把+號處理成空格。所以，使用的時候要小心。
encodeURI
對整個URL進行編碼，它采用的是UTF-8格式輸出編碼后的字符串。不過encodeURI除了ASCII編碼外對于一些特殊的字符也不會進行編碼如：! @ # $& * ( ) = : / ; ? + '。
encodeURIComponent
把URI字符串采用UTF-8編碼格式轉化成escape格式的字符串。相對于encodeURI，encodeURIComponent會更加強大，它會對那些在encodeURI()中不被編碼的符號（; / ? : @ & = + $ , #）統統會被編碼。但是encodeURIComponent只會對URL的組成部分進行個別編碼，而不用于對整個URL進行編碼。對應解碼函數方法decodeURIComponent。
當然我們一般都是使用encodeURI方來進行編碼操作。所謂的javascript兩次編碼后臺兩次解碼就是使用該方法。javascript解決該問題有一次轉碼、兩次轉碼兩種解決方法。
一次轉碼
javascript轉碼：
|
1
2
|
var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm'; window.location.href = encodeURI(url); |
轉碼后的URL：http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%E6%88%91%E6%98%AFcm
后臺處理:
|
1
2
3
4
|
String name = request.getParameter("name"); System.out.println("前臺傳入參數：" + name); name = new String(name.getBytes("ISO-8859-1"),"UTF-8"); System.out.println("經過解碼后參數：" + name); |
輸出結果：
前臺傳入參數：??????cm
經過解碼后參數：我是cm
二次轉碼
javascript
|
1
2
|
var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm'; window.location.href = encodeURI(encodeURI(url)); |
轉碼后的url:http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%25E6%2588%2591%25E6%2598%25AFcm
后臺處理：
|
1
2
3
4
|
String name = request.getParameter("name"); System.out.println("前臺傳入參數：" + name); name = URLDecoder.decode(name,"UTF-8"); System.out.println("經過解碼后參數：" + name); |
輸出結果：
前臺傳入參數：E68891E698AFcm
經過解碼后參數：我是cm
filter
使用過濾器，過濾器提供兩種，第一種設置編碼，第二種直接在過濾器中進行解碼操作。
過濾器1
該過濾器是直接設置request的編碼格式的。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
public class CharacterEncoding implements Filter { private FilterConfig config ; String encoding = null; public void destroy() { config = null; } public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException { request.setCharacterEncoding(encoding); chain.doFilter(request, response); } public void init(FilterConfig config) throws ServletException { this.config = config; //獲取配置參數 String str = config.getInitParameter("encoding"); if(str!=null){ encoding = str; } } } |
配置：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
<!-- 中文過濾器的配置 --> <filter> <filter-name>chineseEncoding</filter-name> <filter-class>com.test.filter.CharacterEncoding</filter-class> <init-param> <param-name>encoding</param-name> <param-value>utf-8</param-value> </init-param> </filter> <filter-mapping> <filter-name>chineseEncoding</filter-name> <url-pattern>/*</url-pattern> </filter-mapping> |
過濾器2
該過濾器在處理方法中將參數直接進行解碼操作，然后將解碼后的參數重新設置到request的attribute中。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
|
public class CharacterEncoding implements Filter { protected FilterConfig filterConfig ; String encoding = null; public void destroy() { this.filterConfig = null; } /** * 初始化 */ public void init(FilterConfig filterConfig) { this.filterConfig = filterConfig; } /** * 將 inStr 轉為 UTF-8 的編碼形式 * * @param inStr 輸入字符串 * @return UTF - 8 的編碼形式的字符串 * @throws UnsupportedEncodingException */ private String toUTF(String inStr) throws UnsupportedEncodingException { String outStr = ""; if (inStr != null) { outStr = new String(inStr.getBytes("iso-8859-1"), "UTF-8"); } return outStr; } /** * 中文亂碼過濾處理 */ public void doFilter(ServletRequest servletRequest, ServletResponse servletResponse, FilterChain chain) throws IOException, ServletException { HttpServletRequest request = (HttpServletRequest) servletRequest; HttpServletResponse response = (HttpServletResponse) servletResponse; // 獲得請求的方式 (1.post or 2.get), 根據不同請求方式進行不同處理 String method = request.getMethod(); // 1. 以 post 方式提交的請求 , 直接設置編碼為 UTF-8 if (method.equalsIgnoreCase("post")) { try { request.setCharacterEncoding("UTF-8"); } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } // 2. 以 get 方式提交的請求 else { // 取出客戶提交的參數集 Enumeration<String> paramNames = request.getParameterNames(); // 遍歷參數集取出每個參數的名稱及值 while (paramNames.hasMoreElements()) { String name = paramNames.nextElement(); // 取出參數名稱 String values[] = request.getParameterValues(name); // 根據參數名稱取出其值 // 如果參數值集不為空 if (values != null) { // 遍歷參數值集 for (int i = 0; i < values.length; i++) { try { // 回圈依次將每個值調用 toUTF(values[i]) 方法轉換參數值的字元編碼 String vlustr = toUTF(values[i]); values[i] = vlustr; } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } // 將該值以屬性的形式藏在 request request.setAttribute(name, values); } } } // 設置響應方式和支持中文的字元集 response.setContentType("text/html;charset=UTF-8"); // 繼續執行下一個 filter, 無一下個 filter 則執行請求 chain.doFilter(request, response); } } |
配置：
|
1
2
3
4
5
6
7
8
9
10
|
<!-- 中文過濾器的配置 --> <filter> <filter-name>chineseEncoding</filter-name> <filter-class>com.test.filter.CharacterEncoding</filter-class> </filter> <filter-mapping> <filter-name>chineseEncoding</filter-name> <url-pattern>/*</url-pattern> </filter-mapping> |
其他
1、設置pageEncoding、contentType
|
1
|
<%@ page language="java" contentType="text/html;charset=UTF-8" pageEncoding="UTF-8"%> |
2、設置tomcat的URIEncoding
在默認情況下，tomcat服務器使用的是ISO-8859-1編碼格式來編碼的，URIEncoding參數對get請求的URL進行編碼，所以我們只需要在tomcat的server.xml文件的<Connector>標簽中加上URIEncoding="utf-8"即可。
