关于JSP页面中的pageEncoding和contentType两种属性的详细解析

 

简单的说，pageEncoding是jsp文件本身的编码 contentType的charset是指服务器发送给客户端时的内容编码，例如：pageEncoding="GBK"，这句话的意思是，告诉JVM 这个jsp本身采用的"GBK"编码,在JSP编译成Servlet传给JVM的时候，就用“GBK”的编码方式将Jsp网页源文件翻译成统一的UTF-8形式的Java字节码，如果不加设定，则 JVM默认的用iso-8859这种编码方式。 contentType里的charset=gbk，指示的是此网页文件输出到浏览器的输出方式为gbk。在这个过程中，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。

以一个JSP文件通过Servlet容器假（设为Tomcat）输出到浏览器并显示的过程为例来说明三个阶段、两次编码的具体过程

第一阶段：第一次编码：从JSP到Servlet（.java文件），从pageEncoding ———>UTF-8

在第一阶段中完成Jsp的第一次编码：第一次编码用到的指令是pageEncoding，根据pageEncoding＝“XXX”的指示，找到编码的规则为“XXX”，服务器在将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 JAVA源码（即.java），如果pageEncoding没有设定，则使用默认的iso-8859这种编码方式。设定错了出来的就是中文乱码。

第二阶段：从Servlet文件（.java）到Java字节码文件（.class），从UTF-8———>UTF-8

第一阶段是将jsp编译成.java文件，第二阶段主要是将（.java）的源文件翻译成JVM可识别的java byteCode，也就是Java字节码文件，是由JAVAC命令完成的，这些文件就是通常我们所说的(.class)文件。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 encoding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，不受外界控件，这也是为什么，有时候看起来是乱码的程序能编译通过，但是去无法正常显示的原因。

第三阶段：第二次编码：从Tomcat服务器到浏览器，从UTF-8―――>contentType

这一阶段，主要是Tomcat显示的输出JSP网页的过程，这在一过程中用到的指令是contentType。 Tomcat（或其的application container）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，在这事输出过程中，由contentType属性中的charset来指示，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ISO8859-1.的形式。

注意的问题：以上说的这个过程在大多数据情况是普遍适用的。但这也不是绝对的, 还要看各自JSPC的处理方式. 在网页设计中，设定pageEncoding不等于contentType, 更有利亚洲区的文字 CJKV系JSP网页的开发和展示, (例pageEncoding=GB2312 不等于 contentType=utf-8)。 jsp文件不像.java，.java在被编译器读入的时候默认采用的是操作系统所设定的locale所对应的编码，比如中国大陆就是GBK，台湾就是BIG5或者MS950。而一般我们不管是在记事本还是在ue中写代码，如果没有经过特别转码的话，写出来的都是本地编码格式的内容。所以编译器采用的方法刚好可以让虚拟机得到正确的资料。 但是jsp文件不是这样，它没有这个默认转码过程，如果指定了pageEncoding就可以实现正确转码了。 举个例子: <%@ page contentType="text/html;charset=utf-8" %> 大都会打印出乱码，因为输入“你好”的编码方式你没有指定，在大多数情况下我们在中国大陆地区所用的电脑在输入的“你好”的时候，都会用gbk来编码，但是对服务器而言，是否正确抓到“你好”却不得而知。 但是如果更改为 <%@ page contentType="text/html;charset=utf-8" pageEncoding="GBK"%> 这样就服务器一定会是正确抓到“你好”了，这就是为什么有两个不同的指令设定，和两次不同的编码过程。

明白了这三个阶段和两次编码过程，那么在编程的时候，JSP网页中、数据库中、Web服务器中，关于一些字符的设定就会很清楚，要不然，会设来设去，字符跟着转来转去，最终没没转出过正确的来，记住一点，万变不离其踪，只要把最本质的东西搞明白，不管怎么变都不会有太大的问题。

近期笔者会把数据库与网页交互过程中出现的一些乱码问题、字符集问题、编码规则问题再整理下，在下一篇文章中与读者见面。