java/jsp中 中文问题详解

更新时间：2006年10月13日 00:00:00   作者：

预备知识：

1.字节和unicode

Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式

是使用字节流的。 因此Java要对这些字节流经行转化。char是unicode的，而byte是字节.

Java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，

可以用来告诉你，你用的Convertor。其中两个很常用的静态函数是

public static ByteToCharConverter getDefault() ;

public static ByteToCharConverter getConverter(String encoding);

如果你不指定converter，则系统会自动使用当前的Encoding,GB平台上用GBK,EN平台上用

8859_1

我们来就一个简单的例子：

"你"的gb码是：0xC4E3 ,unicode是0x4F60

你用:

--encoding="gb2312";

--byte b[]={(byte)'u00c4',(byte)'u00E3'};

--convertor=ByteToCharConverter.getConverter(encoding);

--char [] c=converter.convertAll(b);

--for(int i=0;i

--{

-- System.out.println(Integer.toHexString(c[i]));

--}

--打印出来是0x4F60

--但是如果使用8859_1的编码，打印出来是

--0x00C4,0x00E3

----例１

反过来：

--encoding="gb2312";

char c[]={'u4F60'};

convertor=ByteToCharConverter.getConverter(encoding);

--byte [] b=converter.convertAll(c);

--for(int i=0;i

--{

-- System.out.println(Integer.toHexString(b[i]));

--}

--打印出来是：0xC4,0xE3

----例２

--如果用8859_1就是0x3F，?号，表示无法转化　　　　　　--

很多中文问题就是从这两个最简单的类派生出来的。而却有很多类

不直接支持把Encoding输入，这给我们带来诸多不便。很多程序难得用encoding

了，直接用default的encoding，这就给我们移植带来了很多困难

--

2.UTF-8

--UTF-8是和Unicode一一对应的，其实现很简单

--

-- 7位的Unicode: 0 _ _ _ _ _ _ _

--11位的Unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _

--16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

--21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

--大多数情况是只使用到16位以下的Unicode:

--"你"的gb码是：0xC4E3 ,unicode是0x4F60

--我们还是用上面的例子

--　　--例１：0xC4E3的二进制：

--　　--　　　 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1

--　　--　　　 由于只有两位我们按照两位的编码来排，但是我们发现这行不通，

--　　--　　　 因为第７位不是0因此，返回"?"

--　　--

--　　--例２：0x4F60的二进制：

--　　--　　　 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0

--　　--　　　 我们用UTF-8补齐，变成：

--　　--　　　 11100100 10111101 10100000

--　　--　　　 E4--BD-- A0

--　　--　　　 于是返回0xE4,0xBD,0xA0

--　　--

3.String和byte[]

--String其实核心是char[],然而要把byte转化成String，必须经过编码。

--String.length()其实就是char数组的长度，如果使用不同的编码，很可

--能会错分，造成散字和乱码。

--例：

----byte [] b={(byte)'u00c4',(byte)'u00e3'};

----String str=new String(b,encoding);　　----

----如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字　　----

--这个问题在处理分页是经常发生

4.Reader,Writer/InputStream,OutputStream

--Reader和Writer核心是char，InputStream和OutputStream核心是byte。

--但是Reader和Writer的主要目的是要把Char读/写InputStream/OutputStream

--一个reader的例子：

--文件test.txt只有一个"你"字，0xC4,0xE3--

--String encoding=;

--InputStreamReader reader=new InputStreamReader(

----new FileInputStream("text.txt"),encoding);

--char []c=new char[10];

--int length=reader.read(c);

--for(int i=0;i

----System.out.println(c[i]);

--如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符

--------

--

--

----

2.我们要对Java的编译器有所了解：

--javac -encoding

我们常常没有用到ENCODING这个参数。其实Encoding这个参数对于跨平台的操作是很重要的。

如果没有指定Encoding，则按照系统的默认Encoding,gb平台上是gb2312，英文平台上是ISO8859_1。

--Java的编译器实际上是调用sun.tools.javac.Main的类，对文件进行编译，这个类　--

有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。

编译器就是根据这个变量来读取java文件的，然后把用UTF-8形式编译成class文件。

一个例子：

--public void test()

--{

----String str="你";

----FileWriter write=new FileWriter("test.txt");

----write.write(str);

----write.close();

--}

----例３

--如果用gb2312编译，你会找到E4 BD A0的字段

--

--如果用8859_1编译，

--00C4 00E3的二进制：

--00000000 11000100 00000000 11100011--

--因为每个字符都大于7位，因此用11位编码：

--11000001 10000100 11000011 10100011

--C1-- 84--　C3--　 A3

--你会找到C1 84 C3 A3 --

但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：

--　　例３在中文平台上编译，生成ZhClass

--　　例３在英文平台上编译，输出EnClass

--1.　 ZhClass在中文平台上执行OK,但是在英文平台上不行

--2.　 EnClass在英文平台上执行OK,但是在中文平台上不行

原因：

--1.在中文平台上编译后，其实str在运行态的char[]是0x4F60,　----

--在中文平台上运行，FileWriter的缺省编码是gb2312,因此

--CharToByteConverter会自动用调用gb2312的converter,把str转化

--成byte输入到FileOutputStream中，于是0xC4,0xE3放进了文件。

--但是如果是在英文平台下，CharToByteConverter的缺省值是8859_1,

--FileWriter会自动调用8859_1去转化str,但是他无法解释，因此他会

--输出"?"　----

--2.　在英文平台上编译后，其实str在运行态的char[]是0x00C4 0x00E3,　----

--在中文平台上运行，中文无法识别，因此会出现??

--　　在英文平台上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放进了

--文件

----

1.对于JSP正文的解释：

--Tomcat首先看一下你的叶面中有没有"

--地方设定response.setContentType(..);按照encoding的来读，没有他按照8859_1

--读取文件，然后用UTF-8写成.java文件，然后用sun.tools.Main去读取这个文件，

--(当然它使用UTF-8去读)，然后编译成class文件

--setContentType改变的是out的属性，out变量缺省的encoding是8859_1

2.对Parameter的解释

--很不幸Parameter只有ISO8859_1的解释，这个质料可以在servlet的实现代码中找到。

3.对include的解释

格式的，但是很不幸，由于那个写"org.apache.jasper.compiler.Parser"的人

在数组JspUtil.ValidAttribute[]忘记加了一个参数：encoding,因此导致不支

持这种方式。你完全可以编译源代码，加上对encoding的支持

总结：

如果你在NT底下，最简单的方法就是欺骗java,不加任何Encoding变量：

你好

http://localhost/test/test.jsp?value=你

结果:你好你

但这种方法局限性较大，比如对上传的文章分段，这样的做法是死定的，最好的

解决方案是用这种方案：

你好

必读好文,但解决方案不敢恭维

--------------------------------------------------------------------------------

1.网页传参数不提倡用get方法,而且用户可以调整是否用utf-8发送

2.建议jsp中最好不要用,实际上加不加这句都有实现中文正常显示的方案,我认为不加方便些,至少不用写这些代码,如下的配置我认为可以使中文正常显示:

a.所有的javabean用iso8859-1编译

b.jsp文件中不要写以上charset=gb2312的语句(写了反而错)

在tomcat情况下注意以上2点就行---了,等等,对于其他有可能不行的jsp服务器,加上以下

c.服务器上的操作系统语言设为英文(像没有装类似bluepoint中文系统的linux一般本来就是英文)

就行---了

谁要是还不对,请报告....

Re：必读好文,但解决方案不敢恭维

--------------------------------------------------------------------------------

Tomcat的参数问题无论是GET或是POST方式都是用8859_1编码的。这个可以看Tomcat Servlet实现的源代码:

a) 对于POST方法

javax.servlet.http.HttpUtils的parsePostData方法： (对于POST的Form数据)

String postedBody = new String(postedBytes, 0, len, "8859_1");)这里是没有问题的因为中文都会用%来说明。但是parseName这个函数，却没有把是中文的东西整合起来，他只是简单的拼凑，因此可以认定他是使用8859_1的编码规则

sb.append((char) Integer.parseInt(s.substring(i+1, i+3), 16));

----　　i += 2;

--

b) 对于GET方法

org.apache.tomcat.service.http.HttpRequestAdapter

--　line=new String(buf, 0, count,

Constants.CharacterEncoding.Default);

----Constants.CharacterEncoding.Default=8859_1

这段代码不好跟踪，千万不要被一些假象迷惑住。HttpRequestAdapter是从RequestImpl中派生的。但是，实际上用8080端口的Server并没有直接用到RequestImpl，而是用了HttpRequestAdapter来获得queryString

对于加不加encoding，我保留我的意见，因为如果要解决上传文件分页问题，必须要用他来编码。而且编码能保证在一些Beans当中的传递性。

看来我要在这里说明一下了

--------------------------------------------------------------------------------

Tomcat仅仅是一个对jsp1.1,servlet2.2的一个标准的实现,我们不应该要求这个免费软件在细致末节上和性能上都面面俱到,它主要考虑的英文用户,这也是为什么不作特殊转换我们的汉字用url方法传递有问题的原因,我们大部分浏览器ie其高级设置中始终以utf-8发送url的选项缺省是选上的,如果说这是tomcat的bug也是可以的,另外Tomcat不管当前的操作系统是什么语言,好像都按iso8859去编译jsp,我觉得也有点欠妥,但是不管怎么说,新标准的实现和热门的软件在语言的支持方面永远都是先考虑英文

我的方案什么说要好一些呢

1.还是那句话,英文国家的软件永远都是先考虑英文,java虚拟机的规范中要求虚拟机内部必须实现iso8859,unicode,UTF-8三种,其他的不作要求,我们用的jdk中的虚拟机就是这样,嵌入式的就更不用说了,也就是说其他的ENCODE都很可能不是java虚拟机内部直接支持的,我们的中文自然也不在其列,需要外部的包支持转换,sun jdk应该在i18n.jar中,用iso8859速度最快,不需要其它调用和交换什么的,更没有读包的io操作

2.至少少写了代码,没有额外操作,简洁的风格谁不喜欢

3.所写的jsp页面国际性化好,我才写了一个jsp+javabeans的聊天室软件(没有用到servlet,jsp真的确实很好),同样的程序美国人用他们的浏览器进入就是英文界面,中文进入就是中文界面,如果加上charset=gb2312至少很麻烦

4.限定了gb2312,如果用户要用GBK,怎么办,不加更好,不管什么的字符集,只要我当前浏览器设定的是,我就能显示出来

总结:无论从速度上,开发效率上,和可扩展性上考虑,我的方案都比你的好,另外,我找不到你的方案比我的好的地方.

相关文章

本篇文章主要介绍了JSP + Servlet实现登录验证码示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-03-03

下面小编就为大家带来一篇jsp中为表格添加水平滚动条的方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-09-09

这篇文章主要介绍了Spring MVC的文件下载实例详解的相关资料,需要的朋友可以参考下2017-05-05

这篇文章主要介绍了JSP验证码简单生成方法,实例分析了jsp验证码图片的生成技巧,涉及jsp数学运算及图像处理方法,具有一定参考借鉴价值,需要的朋友可以参考下2015-10-10

这篇文章主要介绍了jsp-解决文件上传后重启Tomcat时文件自动删除问题,包括问题分析和具体解决办法，还是很不错的，需要的朋友可以参考下。2017-09-09

文件上传是我们在日常开发中经常遇到的一个功能，下面这篇文章主要给大家介绍了关于JSP实用教程之简易文件上传组件的实现方法，文中通过示例代码介绍的非常详细，需要的朋友们下面来一起看看吧。2017-07-07

这篇文章主要为大家详细介绍了jsp页面验证码完整实例，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-07-07

下面小编就为大家带来一篇请求转发jsp页面乱码问题的快速解决方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-08-08

web.xml读取连接数据库的参数,实现代码。2009-05-05

Sun认为C#不会替代Java...2006-10-10

最新评论