HttpServletRequest获取中文参数乱码问题

我们在开发的过程中，不可避免的会遇到前后端的数据通信问题，又不可避免的会遇到数据为中文的情况，初学者在毫不知情中，就遭遇了自己的第一次中文乱码问题，今天，我们就一起来探讨下中文乱码问题为何会发生、以及如何解决前后端数据传输的中文乱码问题。

1.问题复现

为了更好的展示中文乱码问题，我们来举个栗子，首先，前端页面如下所示：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<body><form action="RequestTestServlet" method="post">姓名: <input type="text" name="name" style="width: 150px" />年龄: <input type="text" name="age" style="width: 150px" /><input type="submit" value="提交" /></form>
</body>
</html>

后端Servlet中对应的获取代码如下：

protected void doPost(...) throws ...{String name = request.getParameter("name");String age = request.getParameter("age");System.out.println("姓  名: " + name);System.out.println("年  龄: " + age);
}

页面上输入对应的值后，比如输入李子树/26，点击提交后，后端打印的结果如下图所示，出现了中文乱码问题，以上为本文背景。

2.中文乱码问题时如何出现的？

其实说到中文乱码，其出现的根本原因就是字符编码和解码使用的字符集不同，因为汉字较为复杂，以至于个人PC诞生后的一段时间，中文的输入问题都没有很好的解决，可以这么说在中文在不同的字符集中，汉字的编码都几乎没有雷同。

就好像早期战争时期发电报一样，发之前将内容按照密码本进行编码，转成密码本中对应的页数、行数、列数，使之可以唯一的对应上一个字，接收方收到电报后，根据约定好的密码本，再将接收到的报文进行转码，这样就可以通过无线电来传输数据。这其中，密码本就可以认为是一个字符集，如果编码和解码使用的不是同一个密码本，那么就无法获得真正的报文内容，也就是乱码问题。

上面的例子是在战争时期的谍报，主要是为了加密，防止被敌人知道情报。但是到现在的信息时代，字符集的提出，是为了统一标准，让数据可以更好的传输。我们来看些常用的字符集：

ASCII：编程必学必知必会，使用一个字节来表示包括拉丁字母，数字，常用标点符号及控制符，ASCII码表中共128个字符；
ISO-8859-1：利用了ASCII剩下的128字符（1字节8位，表示范围为0~255），添加了对西欧语言的支持；
GB2312：中国国家标准局最早发布的简体中文字符集，可以完美的支持中文，一个汉字占两个字节；
GBK:在GB2312的基础上，增加了对繁体中文的支持；
UTF-8：是Unicode（万国码）编码的一种实现方式，也是目前最常用的字符集，是一种变长字节编码方式，其使用1~4个字节表示一个符号，会根据不同的符号而变化字节长度，一个汉字占三个字节。

了解了字符集后，我们在回过头看下我们在第一部分遇到的问题，数据在传输前，因为页面上设置了编码方式为UTF-8（Content-Type），因此编码方式为UTF-8，而服务器收到字节流后默认使用ISO-8859-1来解码，因此导致中文乱码问题。

3.问题解决

知道了原因，那么问题解决起来就简单多了，（其实在实际开发中，肉眼可见的错误是最好解决的，再辅以报错信息，令人头疼的是逻辑错误，尤其是多线程、高并发、环境等导致的问题）我们只需保证在浏览器处使用的编码方式和服务器端一致即可。

对于上述问题，我么将服务器端的代码修改如下：

protected void doPost(...) throws ...{//设置该request对象中请求体的使用的编码方式request.setCharacterEncoding("utf-8");String name = request.getParameter("name");String age = request.getParameter("age");System.out.println("姓  名: " + name);System.out.println("年  龄: " + age);
}

之后，我们在浏览器上再次点击提交后，即可看到如下页面，乱码问题被解决啦。

but、but、but，注意到上面代码块中的注释了么，setCharacterEncoding方法设置的编码方式只对该request中的请求体有效，有我们的上篇博文中，我们说到了Http请求主要有三部分组成：请求行、请求头、请求体，而数据包含在请求行的queryString中或者请求体的FormData中。

我们在来看下setCharacterEncoding方法的方法说明，也验证了我们刚才的说法。

 //ServletRequest.class/*** Overrides the name of the character encoding used in the body of this* request. This method must be called prior to reading request parameters* or reading input using getReader(). Otherwise, it has no effect.* * @param env      <code>String</code> containing the name of*                 the character encoding.* @throws         UnsupportedEncodingException if this*                 ServletRequest is still in a state where a*                 character encoding may be set, but the specified*                 encoding is invalid*/public void setCharacterEncoding(String env) throws UnsupportedEncodingException;

那我们就来验证下以get方式，在url中传输数据的中文乱码问题，我们只需将前端页面中form表单中的method属性由post改为get即可，再次输入李子树/26，点击提交后一起看下结果：

啥、啥、啥、啥，为什么会有两张截图，因为你的运行结果会是这两者之间的一种。说到这里，我们就需要知道另一些知识了，首先我们来看张图片：

这里相信大家看到的都是相同的结果，不过这里不是我们要说的中文乱码发生的案发现场，在这里我们看到的url是经过URLEncode编码过的，浏览器将此次HTTP请求提交到Http服务器，敲黑板敲黑板，Http服务器在将Http请求封装成HttpServletRequest时，对url进行了一次编码，这也是为啥url里的中文参数也会出现中文乱码问题。

但是为啥部分同学在上例中没有出现中文乱码问题？这里就要说下统一编码格式的重要性了，因为UTF-8的强大包容性，使得其使用范围最广，也直接影响了Tomcat，Tomcat在8.0以后的版本中，默认编码改为了UTF-8，在8.0之前的版本中，默认的编码为ISO-8859-1。这也是为什么上面的程序会出现两种结果，主要是因为服务器的默认编码方式的不同。

那当服务器为Tomcat V7.0时，又要如何解决url中的中文参数乱码问题？主要有两种方式：

在后端先讲参数值使用ISO-8859-1编码方式转为字节数组，再将其使用UTF-8来进行编码，示例代码如下：name = new String(name.getBytes("iso-8859-1"), "utf-8");
修改Tomcat服务器的默认编码方式，保持和服务器一致，方法如下：

修改tomcat安装路径下conf文件夹下的server.xml文件，在Connector节点上新增一属性useBodyEncodingForURI，如下图所示：

<Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443"useBodyEncodingForURI="true" />

这里需要注意的是，useBodyEncodingForURI属性的默认值为false，当设置为true时，url的编码方式则和body使用的编码方式相同，注意，这里在后端代码中，需要设置body的编码方式。

同时，Tomcat还提供了一个URIEncoding属性，用于设置所有的URL的编码方式，修改如下图所示:

<Connector URIEncoding="UTF-8" connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443" />

当然，对于Url中的中文参数的乱码问题（tomcat7及以前版本），推荐使用在后端先使用ISO-8859-1编码，后使用UTF-8解码，即方式一，这样可以使我们的服务不依赖于服务器的配置。

4.结论

对于中文乱码问题，其本质上还是编码和解码方式的不同，对于一些常见的编码方式，我们也需要做到熟悉了解。本文最后也介绍了两种解决问题的方式，也希望能解决你的问题。

又到了分隔线以下，本文到此就结束了，本文内容全部都是由博主自己进行整理并结合自身的理解进行总结，如果有什么错误，还请批评指正。

Java web这一专栏会是一个系列博客，喜欢的话可以持续关注，如果本文对你有所帮助，还请还请点赞、评论加关注。

有任何疑问，可以评论区留言。