linux系统字符集影响TOMCAT运行，造成页面HTML代码输出不全

OS：REDHAT LINUX AS4

TOMCAT：5.5.3

JDK：1.5.0_12

　　随着网站访问量的加大，一个奇怪的现象引起我的注意。某些页面下部的文字或者按钮没有显示，有时候页面中会显示出一些HTML标签。这种情况并不是每次都出现，在访问量比较大的时候可能性大一些。查看页面代码发现HTML代码在某个位置被截断了，后面的都没有输出？！于是写在未输出部分里的文字或者按钮自然不能显示，而一些标记因为缺少对应的结束标记，所以被显示出来。

　　这个问题我觉得很诡异。作为TOMCAT这么一个长期发展项目，出现这种情况而没人发现是不应该的。但是用GOOGLE查遍中文、英文站点，都没有找到合理的解释。一般都是说因为程序出错，所以JSP页面不能完全输出。但是在TOMCAT的日志里没有任何异常。

　　为了能稳定的重现这种问题，我找到一个根本不用动态输出的页面（也是JSP）来研究，发现如果使用80端口访问，经由APACHE转给TOMCAT处理，输出的页面完整；如果使用8080端口直接提交给TOMCAT，输出的HTML就不全；如果将页面内的JAVA代码全部去掉，只保留<%@ page language="java"%>，则页面显示乱码，HTML输出完全，且可以通过修改浏览器编码的方式显示出正常的中文。

　　通过这些现象，我判断应该是TOMCAT的问题，而且和编码方式有关系。我们知道JSP页面上的 pageEncoding和 contentType的 charset 是指定不同的编码方式，前者指定JSP在被编译时使用的编码，后者指定JSP被输出时使用的编码。因为开发都在WINDOWS上做的，所以JSP文件的编码都是GB2312，指定pageEncoding=GB2312或者pageEncoding=GBK 应该都没问题，但只要一加上就会输出不全，页面被截断。我因此怀疑TOMCAT和JVM不能完全协调，很可能就是在对中文的编码方面。比如JVM便宜JSP的时候根据指定的pageEncoding进行了编码，而TOMCAT则对JSP采用另一种编码，二者计算出来的页面字节数不同，TOMCAT按照自己计算的字节输出，结果没输出完就给截断了。当然这只是我的推测了，国外的人很少有遇到中文编码的情况，国内的资料又没有，就先提出这么个假设吧。

　　然后我去研究TOMCAT的配置文件server.xml，里面说TOMCAT运行时使用的是与操作系统相同的字符集。我忽然想到这个LINUX不是我亲手装的，是让一个新手装的，本来想让新人练练手，后来发现他把LINUX的默认字符集设置成中文了。打开/etc/sysconfig/i18n查看：

[root@localhost ~]# vi /etc/sysconfig/i18n                                                           

                                                                                                                     

LANG="zh_CN.UTF-8"                                                                                        
SUPPORTED="zh_HK.UTF-8:zh_HK:zh:zh_CN.UTF-8:zh_CN:zh:en_US.UTF-8:en_US:en" 
SYSFONT="latarcyrheb-sun16"                                                                            

把LANG="zh_CN.UTF-8"改成LANG="en_US.UTF-8"

重起服务器之后再测试那JSP，发现80端口访问依然正常，但是8080访问的时候超级慢，而其他页面在访问量很大的时候也不出现页面显示不全的现象了。

　　老问题解决了，新问题出现了，实在是很让人诧异。为什么TOMCAT会出这种问题呢？也许是我用的版本不好，5.5.3有些低了，以后用高版本或者用6.x试试。如果还出这种问题，也给写个BUG REPORT吧。让TOMCAT项目组重视一下中文问题！