关于 JSP Servlet 乱码的一点记录

乱码问题一直是 Java Web 开发的头疼事情，到底出现在数据库还是 Tomcat 或是 Servlet 或是前端？

笔者把自己项目中解决乱码的方案做些记录，注意实践中应根据情况快速定位问题的位置，而不是胡乱修改一些配置（虽然修改配置有时候也能成功）。

Tomcat 乱码

修改配置文件，server.xml，找到8080端口地方，加上URIEncoding="UTF-8"

<Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1"
    redirectPort="8443" URIEncoding="UTF-8" />

Servelt Response 乱码

可以通过 System.out.println();或者断点调试的方法确定乱码的来源。
笔者开始用 Java Application 写了一些方法，提示输出字符没有乱码。
但是用 Servlet 调用原先的方法输出到网页上就出现了乱码，可以猜测乱码出现在Servlet部分，可以尝试加上下面的代码。

resp.setContentType("text/html;charset=UTF-8");
// 目的是为了控制浏览器的行为，即控制浏览器用UTF-8进行解码；
resp.setCharacterEncoding("UTF-8");

Jsoup 解析 HTML 乱码

本来笔者是用 Get 请求某个 Url 获取Html，然后 Jsoup 对Html 请求解析成 Dom。但是总是会出现一小部分字符乱码问题，

最终还是改成了 Jsoup 自带的Jsoup.connect(url).get()解析页面。

// 利用get请求获取字符串再解析会有小部分乱码
// String htmlStr = HttpTool.doGet(urlStr);
// Document doc = Jsoup.parse(htmlStr);

//改用 Jsoup 自带的 connect
Document doc = Jsoup.connect(urlStr).timeout(10000).get();

public class HttpTool {
    /**
     * @param urlStr
     *            网页链接
     * @return 网页的 html 源码
     */
    public static String doGet(String urlStr) throws CommonException {
        URL url;
        String html = "";
        try {
            url = new URL(urlStr);
            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setRequestMethod("GET");
            connection.setConnectTimeout(5000);
            connection.setDoInput(true);
            connection.setDoOutput(true);
            if (connection.getResponseCode() == 200) {
                InputStream in = connection.getInputStream();
                html = StreamTool.inToStringByByte(in);
                in.close();
            } else {
                throw new CommonException("新闻服务器返回值不为200");
            }
        } catch (Exception e) {
            e.printStackTrace();
            throw new CommonException("get请求失败");
        }
        return html;
    }
}

public class StreamTool {
    /**
     * 利用ByteArrayOutputStream将流转化为字符串
     * 
     * @param in
     *            需要读取的InputStream
     * @return 读取的字符串
     * @throws Exception
     */
    public static String inToStringByByte(InputStream in) throws Exception {
        ByteArrayOutputStream outStr = new ByteArrayOutputStream();
        byte[] buffer = new byte[1024];
        // 这部分会不会有问题？，一个中文3个byte，如何确定1024最末尾的正好是一个中文，但打印出来乱码部分并不是1024结尾部分。
        int len = 0;
        StringBuilder content = new StringBuilder();
        while ((len = in.read(buffer)) != -1) {
            content.append(new String(buffer, 0, len, "UTF-8"));
        }
        outStr.close();
        return content.toString();
    }
}

参考文章

Servlet 中文乱码问题及解决方案剖析