web开发中文乱码问题总结2

一点总结，记下备忘。

 

1、Unicode是一个字符集, 可以看作为内码,是各种其它编码互相转换的一个桥梁。

2、Java编译器把java类或者JSP编译为class文件时会将转换为UTF格式保存，运行加载至内存后转换为unicode编码。
   编译Java类时，如果没有指定编码默认就用系统编码如XINXP默认编码格式为GBK，相当于Java类文件(GBK)----Class文件(UTF);
   容器编译JSP时，如果jsp页面中指定了pageEncoding属性，按照pageEncoding指定的编码进行转换，如果没有指定pageEncoding则按
   contentType中charset指定的编码进行转换。
  
3、运行时，JVM加载Class文件并转换为Unicode编码,Unicode编码可以其它编码进行转换。


   以System.out.println("中国")为例分析;
  
   在Java文件中GBK编码为D6 D0 CE C4,编译为Class文件后为：E4 B8 AD E6 96 87，JVM运行时为:4E 2D 65 87
   由于System.out.println("中国")是要把数据传输给输出设备，所以要转换为特定系统编码：D6 D0 CE C4
   操作系统接收到这个字符流后就可以进行正确的显示了。
  
4、浏览器发送请求时会对请求参数非Ascii的字符进行编码(注意也会对URL路径中的中文字符进行编码,编码方式和请求参数编码有些区别，但是我们平常一般不会使用中文作为路径，所以不考虑)，容器接收到后将数据封装到HttpServletRequest对象中，在使用
   getParameter()获取值前要进行解码操作，如果解码和编码所使用的编码格式不一致，就会导致出现乱码。
  
  
   对于GET请求，浏览器会使用系统默认编码进行编码转换，比如 lang=中文 转换为 lang=%D6%D0%CE%C4
   对于POST请求,浏览器使用contentType中charset编码进行转换。
  
   容器进行解码
  
   对于GET请求，默认使用ISO-8859-1进行解码,但是也可以通过容器配置文件设置解码格式，如tomcat容器中可以通过URIEncoding="GBK"设置解码格式
   对于POST请求，会使用request.getCharacterEncoding()返回的编码进行解码，如果返回null则使用ISO-8859-1进行解码
   所以一般会用过滤器对每个请求都设置编码：request.setCharacterEncoding();