简单记录下Java web 中的中文编码问题

最新推荐文章于 2021-06-22 16:34:39 发布

循环ing

最新推荐文章于 2021-06-22 16:34:39 发布

阅读量348

点赞数 1

本文链接：https://blog.csdn.net/linbiaorui/article/details/51548211

版权

java web 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

看了《深入分析java web技术内幕》，感觉编码这部分写的挺有总结性的，自己总结了书上的内容，记录下一些知识点，希望能有更多朋友受益O(∩_∩)O

1.哪些操作中会存在编码？

1.1）I/O操作中存在的编码：在I/O中，字符与字节之间的相互转换的操作中，通常用到InputStreamReader与OutputStreamWriter来实现，要注意使用统一的编解码字符集，一般就不会出现乱码问题

1.2）内存操作中存在的编码：

字符串—>字节：String对象.getBytes(String charset);

字节—>字符串：new String(byte[] b,String charset);

2.使用Charset类进行编码与解码：

Charset charset = Charset.forName(String charset);

编码：ByteBuffer byteBuffer = charset.encode(String s);

解码：CharBuffer charBuffer = charset.decode(ByteBuffer b);

ByteBuffer类提供一个缓冲区实现对字符与字节的软件换，无需编码与解码，实际值并没修改，仅仅类型做了转换，把16bit的 char变成两个8bit的byte

ByteBuffer byteBuffer = ByteBuffer.allocate(int bufferSize);

//初始化分配一个缓冲区

byteBuffer.putChar(Char char); //字符—>字节

byteBuffer.getChar(int index); //字节—>字符

3.Java中如何编解码：

3.1）根据指定的字符集通过Charset.forName(String charset)创建 Charset类；

3.2）根据Charser类创建CharsetEncoder对象；

3.3）调用CharsetEncoder.encode(String s)进行编码

4.Java web中哪些地方可能存在编码转换：

4.1）发起HTTP请求时：URL、Cookie、请求参数

4.2）服务端响应时：读取的数据库数据、本地或网络中的文本文件

4.3）URL上的编解码：

在URL组成中，可能出现中文的部分有Path Info与Query String 这两部分，且浏览器对这两部分采取不同的编码，不同浏览器对 Path Info部分的编码也不一样；Query String部分的解码字符集是通过HTTP的Header传到服务器端的，其字符集要么是通过 Header中的ContentType定义的charset，要么就是默认的 ISO-8859-1，要是有Header中定义的需要做一些相应的配置

在tomcat中，对URL中的URI部分进行解码的字符集是在connector的<Connector URIEncoding=”UTF-8” />中定义的，若没定义则使用ISO-8859-1解析，故有中文URL时最好把URIEncoding设为UTF-8；获取Query String部分是通过request.getParameter方法实现的，之后进行解码；对于Query String部分要使用ContentType中定义的编码就需要在connector的<Connector URIEncoding=”UTF-8” useBodyEncodingForURI=”true” />中的useBodyEncodingForURI设置为true，该设置仅仅是对Query String部分使用BodyEncoding编码，故在服务器端最好设置<Connector/>中的URIEncoding与useBodyEncodingForURI这两个参数

4.4）HTTP Header的编解码：

在tomcat中，对Header中的项进行解码是在调用 request.getHeader 方法时进行的，若请求的Header项没有解码则调用MessageBytes 的toString方法，该方法从byte到char 的转换使用的默认编码是 ISO-8859-1，若设置的Header中有非ASCII字符解码肯定会有乱码，所以尽量不要在Header中传递非ASCII字符，若必需传递，先用 org.apache.catalina.util.URLEncoding编码后添加到Header 中，届时再用对应的字符集解码即可

4.5）POST表单的编解码：

POST表单进行解码是在第一次调用request.getParameter方法时发生的；当提交POST表单时，浏览器先根据ContentType 的Charset编码格式对表单内容进行编码，后提交到服务器端，在服务器端也是用ContentType的Charset进行解码的，故表单提交一般不会出现乱码，但一定要在第一次调用 request.getParameter之前就设置 request.setCharacterEncoding(charset)，否则也可能有乱码，若没设置则使用默认的ISO-8859-1编码；对于 multipart/form-data类型参数，同样使用Content-Type定义的字符集编码，上传文件使用字节流方式传输到服务器的本地目录，此过程不涉及字符编码，在将文件内容添加到parameters 时才发生编码，如果用这个不能编码则采用默认的 ISO-8859-1编码

4.6）HTTP BODY的编解码：

服务端响应客户端的请求返回资源这一过程，要先编码再浏览器解码，可通过response.setCharacterEncoding设置，该设置会覆盖request.setCharacterEncoding的值，并通过Content-Type 返回浏览器，浏览器接收时用Content-Type进行解码；若 Header中的Content-Type没有设置，则根据HTML中的<meta http-equiv=”Context-Type” content=”text/html; charset=UTF-8” />中的charser进行解码，HTML中的再无设置则使用默认的编码来解码

4.7）对于数据库编码问题，可以通过设置JDBC的URL来指定

如： url=”jdbc:mysql://localhost:3306/DB?useUnicode=true&characte rEn coding=UTF-8”

4.8）JS中的编码问题：

外部引入js文件：

引入一个包含中文的js文件，如果script标签上没有设置 charset，则浏览器以当前页面默认的字符集解析该js文件；若外部js文件与当前页面的编码格式一致，则可以不用设置 charset；若不设置charset且js文件编码格式与当前页面不一致，则乱码

4.9）JS的URL编码：

escape(String s)函数：将ASCII字母、数字、标点符号之外的其他字符转换成Unicode编码值，并在其编码值前加“%u”；解码用unescape(String s)函数，可以防止信息丢失

（上述两个方法一般用encodeURL、encodeURLComponent代替）

encodeURL(String s)函数：可以将整个URL中的字符（除特殊字符外）进行UTF-8编码，在每个码值前加“%”；解码使用 decodeURL(String s)函数

encodeURLComponent()函数：除了对 ‘ ( ) * - . _ ~ 0-9 a-z A-Z 不编码外，其余都编码，通常用于将一个URL当做一个参数放在另一个URL中；解码通过decodeURLComponent(String s) 函数

4.10）java与js编码问题：

Java端处理URL编解码有两个类，java.net.URLEncoder和 java.net.URLDecoder，分别对应前端js的 encodeURLComponent 与decodeURLComponent；在前端使用encodeURLComponent编码后，到服务端使用URLDecoder 解码可能会发生乱码，原因是前端js的默认编码是UTF-8，而后端对于中文的编码一般是GBK 或GB2312，用GBK去解码UTF-8的编码，必定发生乱码；解决方法：用 encodeURLComponent去编码2次，即 encodeURLComponent(encodeURLComponent(String s))，这样在使用request.getParameter用GBK解码后取得的就是UTF-8 编码的字符串，若在java端要使用该字符串，再用UTF-8解码就可以；若是这个结果直接通过js输出到前端，则该UTF-8 字符串输出可以正常显示