JSP中文乱码问题终极解决方案(上)

摘要：

　　本文首先介绍了一个JSP的源文件执行过程，即需要经过三个阶段，两次编码，才能完成一次完整的输出。特别需要注意的是，在这个过程中，编码问题贯穿始终。我们知道在JSP/Servlet中，主要有以下四种方式可以设置编码，即 pageEncoding、contentType、request.setCharacterEncoding 和 response.setCharacterEncoding，在本文中，我们就这四种方式进行深入的介绍和总结。

一. JSP的执行过程与编码设定概述

　　在JSP/Servlet中，主要有以下四种方式可以设置编码，其中前两个只能应用于JSP中，而后两个可以用于 JSP 和 Servlet 中。

pageEncoding=”UTF-8”；
contentType=”text/html;charset=UTF-8”；
request.setCharacterEncoding(“UTF-8”) ；
response.setCharacterEncoding(“UTF-8”)。

　　事实上，一个JSP的源文件需要经过三个阶段，两次编码，才能完成一次完整的输出，这三个阶段是：

　　第一阶段：转译（.jsp -> .java；pageEncoding -> UTF-8）。将jsp编译成Servlet（.java）文件，用到的指令是pageEncoding。在编译过程中，根据pageEncoding＝“XXX”的指示，找到编码的规则为“XXX”，然后服务器将JSP文件编译成.java文件时会根据pageEncoding的设定读取jsp，结果是由指定的编码方案翻译成统一的UTF-8编码的JAVA源码（即.java）。

　　第二阶段：编译（.java -> .class；UTF-8 -> UTF-8）。从Servlet文件（.java）到Java字节码文件（.class），从UTF-8到UTF-8。在这一阶段中，不论JSP编写时候用的是什么编码方案，经过这个阶段的结果全部是UTF-8的encoding的java源码。JAVAC用UTF-8的encoding读取java源码，编译成UTF-8编码的二进制码（即.class），这是JVM对常数字串在二进制码（Java encoding）内表达的规范。这一过程是由JVM的内在规范决定的，不受外界控制。

　　第三阶段：编译（UTF-8 -> contentType）。从服务器到浏览器，这在一过程中用到的指令是contentType。服务器载入和执行由第二阶段生成出来JAVA二进制码，输出的结果，也就是在客户端可见到的结果，在这次输出过程中，由contentType属性中的charset来指定，将UTF8形式的二进制码以charset的编码形式来输出。如果没有人为设定，则默认的是ISO-8859-1的形式。

　　特别需要注意的是，pageEncoding 的默认值是 “ISO-8859-1”, contentType 的默认值是 “text/html;ISO-8859-1”。

　　Ps: 第一、三两个阶段的转码个人感觉联想到Sting转码更容易理解些，例如：new String(name.getBytes(“ISO-8859-1”), “utf-8”)。

二. pageEncoding=”UTF-8”

　　pageEncoding=”UTF-8” 的作用是设置JSP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文件中含有中文字符，而在JSP中却指定pageEncoding=”iso-8859-1”，就会导致中文字符显示异常。看下面的例子：

<%@ page language="java" pageEncoding="iso-8859-1" import="java.util.*" %><html><head><title>哈哈</title></head><body>中文 <br></body>
</html>

在其编译为Servlet后，其源码（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)throws java.io.IOException, ServletException {// ...out.write("<html>\r\n");out.write("  <head>\r\n");out.write("    <title>å“ˆå“ˆ</title>\r\n");out.write("  </head>\r\n");out.write("  <body>\r\n");out.write("   \t ä¸æ–‡ <br>\r\n");out.write("  </body>\r\n");out.write("</html>\r\n");// ...

访问该页面，页面显示如下：

　　我们可以看到，由于pageEncoding被指定为”iso-8859-1”，导致其在由服务器将JSP文件编译成.java文件过程中，在使用 “iso-8859-1” 读取jsp并翻译成统一的UTF-8编码的JAVA源码时，所有的中文字符被转成乱码，并使得其呈现给用户的响应也包含乱码。特别地，该属性还有一个功能，就是在JSP中不指定contentType参数，也不使用response.setCharacterEncoding方法时，指定对服务器响应的内容进行编码。

二. contentType=”text/html;charset=UTF-8”

　　contentType=”text/html;charset=UTF-8” 的作用是将上述第二阶段所生成的UTF8形式的二进制码以charset的编码形式来输出到客户端，如果设置不当的话，会出现乱码。看下面的例子：

<%@ page language="java" contentType="text/html;iso-8859-1" import="java.util.*" pageEncoding="utf-8"%><html><head><title>哇哈哈</title></head><body>哇哈哈 <br></body>
</html>

在其编译为Servlet后，其源码（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)throws java.io.IOException, ServletException {// ...out.write("<html>\r\n");out.write("  <head>\r\n");out.write("    <title>哇哈哈</title>\r\n");out.write("  </head>\r\n");out.write("  <body>\r\n");out.write("   \t 哇哈哈 <br>\r\n");out.write("  </body>\r\n");out.write("</html>\r\n");// ...

访问该页面，页面显示如下：

三. request.setCharacterEncoding(“UTF-8”)

　　request.setCharacterEncoding(“UTF-8”)用来指定对浏览器发送来的数据以特定的字符集进行重新编码，常用于对 POST 请求参数进行解码。具体见我的博文《JSP中文乱码问题终极解决方案(下)》中 “POST 请求的请求参数为中文情形” 一节。

四. response.setCharacterEncoding(“UTF-8”)

　　response.setCharacterEncoding(“UTF-8”)的作用是：在服务器将响应返回到浏览器前，对响应使用指定字符集进行重新编码。一旦使用了该种方式，即使该响应页面指定了具体的 contentType，也将失效。看下面的例子：

<%@ page language="java" contentType="text/html;iso-8859-1" import="java.util.*" pageEncoding="utf-8"%><html><head><title>哇哈哈</title></head><body>哇哈哈 <br></body>
</html>

在其编译为Servlet后，其源码（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)throws java.io.IOException, ServletException {// ...out.write("<html>\r\n");out.write("  <head>\r\n");out.write("    <title>哇哈哈</title>\r\n");out.write("  </head>\r\n");out.write("  <body>\r\n");out.write("   \t 哇哈哈 <br>\r\n");out.write("  </body>\r\n");out.write("</html>\r\n");// ...

访问该页面，页面显示如下：

五. 四种编码设定方式之间的相互影响以及作用的优先级

　　根据上文内容，我们得出以下三点：

在指定JSP编译成Servlet时使用的编码时，优先级为： pageEncoding=”UTF-8” > contentType=”text/html;charset=UTF-8”
在指定服务器对响应内容的编码时，优先级为：response.setCharacterEncoding(“UTF-8”) > contentType=”text/html;charset=UTF-8” > pageEncoding=”UTF-8”
request.setCharacterEncoding(“UTF-8”) 只用来指定对浏览器发送来的请求数据的解码方式。

　　更多关于 JSP技术的细节见我的其他两篇博客：《Java Web基础 — Jsp 综述(上)》和《Java Web基础 — Jsp 综述(下)》。

　　更多关于 JSP中文乱码问题的解决方案见我的另一篇博客：《 JSP中文乱码问题终极解决方案(下)》。

引用

关于JSP页面中的pageEncoding和contentType两种属性的区别
JSP里ContentType ，charset和pageEncoding的理解与区别