WebLucene 实现类似于Google 的多编码支持

原创 2004年08月09日 20:24:00
当初在设计WebLucene 的时候,为了能够正确的截取请求中的中文q参数,在执行request.getParameter("q")之前先调用了request.setCharacterEncoding("gb2312")方法。这样虽然避免了乱码问题的出现,但却使得WebLucene 同时只能对一种编码进行处理,无法实现类似于Google 的搜索效果,例如下面两个链接:
http://www.google.com/search?ie=UTF-8&q=%E5%8C%97%E4%BA%AC
http://www.google.com/search?ie=gb2312&q=%B1%B1%BE%A9
查找的都是关键字为“北京”的内容,只是前者的 Url 是以UTF-8 方式进行UrlEncode 得的,而后者则采用的是Gb2312。

在Google 上查找了很多关于setCharacterEncoding 和“多语言支持” 的文章,最后还是用最古老的方法解决了问题,见下面一段代码:
String ie = request.getParameter("encoding");
String q = new String(request.getParameter("q").getBytes("ISO-8859-1"), ie);
这样,只要$q 是以$encodig 方式进行提交/UrlEncode 的,那么我们就可以得到正确的q参数了——但有一点需要注意,就是要用 “ISO-8859-1” 的形式对字符串q 进行getBytes() 操作,而不能采用Utf-8的形式(至少我目前的试验结果是这样的)。

之所以不能用UTF-8 是因为一些应用服务器,如resin2.*,在试图用UTF-8 编码解析参数的时候,往往会因为参数中含有了不合法的UTF-8 字符而产生异常,从而导致无法正常的解析参数。
 
稍后请见详细描述。

大家可以用我后面的程序作一个试验:
首先把resin的缺省编码设为UTF-8:
<log id='/' href='stderr:' timestamp="[%H:%M:%S.%s]"/>

<web-app character-encoding='UTF-8'>
....
    <servlet>
        <servlet-name>character</servlet-name>
        <servlet-class>com.chedong.weblucene.CharacterEncodingTest</servlet-class>
    </servlet>
    <servlet-mapping>
        <servlet-name>character</servlet-name>
        <url-pattern>/character</url-pattern>
    </servlet-mapping>
....
</web-app>

然后访问http://localhost:8080/weblucene/search?encoding=UTF-8&q=%E5%8C%97%E4%BA%AC,在resin 的log 中你会发现:
[19:10:52.484] java.io.CharConversionException: illegal utf8 encoding
        at com.caucho.vfs.i18n.UTF8Reader.read(UTF8Reader.java:102)
        at com.caucho.vfs.ByteToChar.readChar(ByteToChar.java:179)
        at com.caucho.vfs.ByteToChar.getConvertedString(ByteToChar.java:126)
        at com.caucho.server.http.Form.parseQueryString(Form.java:100)
        at com.caucho.server.http.Request.parseQuery(Request.java:1352)
        at com.caucho.server.http.Request.getParameterValues(Request.java:1449)
        at com.caucho.server.http.Request.getParameter(Request.java:1459)
        at com.chedong.weblucene.CharacterEncodingTest.doGet(Unknown Source)
        at javax.servlet.http.HttpServlet.service(HttpServlet.java:126)
        at javax.servlet.http.HttpServlet.service(HttpServlet.java:103)
        at com.caucho.server.http.FilterChainServlet.doFilter(FilterChainServlet.java:96)
        at com.caucho.server.http.Invocation.service(Invocation.java:315)
        at com.caucho.server.http.CacheInvocation.service(CacheInvocation.java:135)
        at com.caucho.server.http.HttpRequest.handleRequest(HttpRequest.java:246)
        at com.caucho.server.http.HttpRequest.handleConnection(HttpRequest.java:163)
        at com.caucho.server.TcpConnection.run(TcpConnection.java:139)
        at java.lang.Thread.run(Thread.java:536)

附:
1.测试程序
package com.chedong.weblucene;
 
import org.apache.log4j.Logger;
 
import java.io.IOException;
import java.io.PrintWriter;
 
import java.util.Enumeration;
 
import javax.servlet.ServletConfig;
import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
 

public class CharacterEncodingTest extends HttpServlet {
    //~ Static fields/initializers ---------------------------------------------
 
    /** The global logger, it will be configured when the servlet loaded */
    private static Logger logger = Logger.getLogger(CharacterEncodingTest.class
                                                    .getName()
                                                   );
 
    //~ Methods ----------------------------------------------------------------
 
    public void destroy() {
        super.destroy();
    }
 
    protected void doGet(HttpServletRequest request,
                         HttpServletResponse response
                        ) throws IOException, ServletException {
 
        //request.setCharacterEncoding("ISO-8859-1");
 
        response.setContentType("text/html;charset=utf-8");
        PrintWriter out = response.getWriter();
   
        out.println("");
        out.println("");
        out.println("");
        out.println("");
   
        out.println("");
 
        System.out.println("i get a request, with encoding: " + request.getCharacterEncoding() + "
");
 
        String q = "empty";
        if(request.getParameter("q") != null) {
            String ie = request.getParameter("ie");
            if(ie == null) {
                ie = "gb2312";
            }
            q = request.getParameter("q");
            System.out.println("raw q:" + q + ".");
            q = new String(q.getBytes("iso-8859-1"), ie);
            System.out.println("parsed q with(" + ie + "):" + q);
        } else {
            q = "null";
            Enumeration params = request.getParameterNames();
            while(params.hasMoreElements()) {
                String param = (String) params.nextElement();
                System.out.println("param: " + param + "-" + request.getParameter(param) + ".
");
            }
        }
        out.println(q);
 
        out.println("");
        out.println("");
 
        /* flush the buffer */
        out.flush();
        out.close();
    }
 
    public void init(ServletConfig servletConfig) throws ServletException {
        super.init(servletConfig);
    }
}

NodeJS前端框架/Google引擎

-
  • 1970年01月01日 08:00

opensource网络文件系统kfs

  • 2011年04月20日 15:21
  • 855KB
  • 下载

weblucene实现搜索引擎(续)

终于能实现其搜索了,由于自己在配置时,偷懒以为把weblucne直接解压在tomcat指定的目录以后就可以不用多加其它的路径和其它多余的配置了,谁知道最后是越偷懒越麻烦,。在搜索时会因为搜索的路径及两...
  • alen0707
  • alen0707
  • 2008-05-10 10:20:00
  • 495

ajax自动补全 类似于google百度的搜索引擎

  • 2011年08月19日 14:48
  • 70KB
  • 下载

类似Google Calendar效果的简单实现

2007/11/02目前只是简单的实现了行选择的效果。后面的功能也是利用DIV来实现的并结合Ajax方法将登陆的数据保存到数据库中。DOCTYPE HTML PUBLIC "-//W3C//DTD H...
  • wanyongping
  • wanyongping
  • 2007-11-02 11:22:00
  • 2484

ajax实现类似百度和google的下拉框原理

大家在访问 google或百度的时候,假如要搜索“阿凡达”,我们可能只需要输入一个  “阿”字,网站就会自动匹配一些词组供我们选择,这个设计非常人性化。今天我们就此技术简要介绍,本文假设读者不清楚aj...
  • rcfalcon
  • rcfalcon
  • 2010-03-16 16:44:00
  • 4277

基于TCP的支持多格式实时编码的流媒体直播系统设计与实现

  • 2010年08月12日 17:00
  • 405KB
  • 下载

weblucene安装文档

  • 2009年05月24日 18:08
  • 246KB
  • 下载

ajax+hibernate

  • 2008年06月13日 17:46
  • 5.49MB
  • 下载

类似百度、google的输入提示框

  • 2011年07月22日 11:17
  • 51KB
  • 下载
收藏助手
不良信息举报
您举报文章:WebLucene 实现类似于Google 的多编码支持
举报原因:
原因补充:

(最多只允许输入30个字)