字符编码与java和jsp的爱恨纠缠

部分内容参考：https://blog.csdn.net/seabiscuityj/article/details/80762658

一、最基本的记事本编译

  首先声明我使用的是汉语的windows操作系统。
  最开始学习java时，是在记事本中写的代码，然后将后缀txt强制改为java，然后在cmd中javac xxx.java和java xxx运行。下面将这一个过程细分：

1. 通常我们手动建立一个java文件Demo.java(txt强制改后缀)，并保存。此时Demo.java文件的编码为ANSI，中文操作系统下就是GBK。

2. 使用javac命令来编译该源文件。”javac Demo.java”。javac也需要读取java文件，那么javac是使用什么编码来解码我们的java文件呢？其实javac采用了操作系统默认的GBK编码解码我们读取的字节，这个编码正好也是Demo.java文件的编码，二者一致，所以不会出现乱码情况。

3. 我们来做点改变，在保存Demo.java文件时，我们选择UTF-8保存。此时Demo.java文件编码就是UTF-8了。我们再使用”javac Demo.java”来编译，如果Demo.java里含有中文字符，此时控制台会出现警告信息，而且控制台的内容输出也会乱码。究其原因，就是因为javac采用了GBK编码解码我们读取的字节。因为我们的字节是UTF-8编码的，所以会出现乱码。

4. 那么解决办法呢？解决办法就是使用javac的encoding参数来制定我们的解码编码。如下：javac -encoding UTF-8 Demo.java。这里我们指定了使用UTF-8来解码读取的字节，由于这个编码和Demo.java文件编码一致，所以不会出现乱码情况了。

  至此，已经生成了class文件，这个class文件编码就没必要研究了。因为在Java（其中主要包括在JVM中、内存中、在代码里声明的每一个char、String类型的变量中。）中字符只以一种形式存在，那就是Unicode，不选择任何特定的编码，直接使用它们在字符集中的编号，这是统一的唯一的方法，也是平台无关性的必备条件。在JVM内部，统一使用Unicode表示，当着字符从JVM内部移动到外部时（即保存为文件系统中的一个文件内容时），就进行了编码转换，使用了具体的编码方案。因此也可以说，所有的编码转换只发生在边界的地方，也就是各种输入/输出流的起作用的地方。

二、其他形式编译

1. Eclipse中编译java文件
     我们习惯把Eclipse的编码设置成UTF-8。那么每个项目中的java源文件的编码就是UTF-8。这样编译也从没有问题，也没有出现过乱码。正是因为这样才掩盖了使用javac可能出现的乱码。那么Eclipse是如何正确编译文件编码为UTF-8的java源文件的呢？唯一的解释就是Eclipse自动识别了我们java源文件的文件编码，然后采取了正确的encoding参数来编译我们的java源文件。功劳都归功于IDE的强大了。

2. 使用Ant来编译java文件
     Ant也是我常用的编译java文件的工具。首先，必须知道Ant在后台其实也是采用javac来编译java源文件的，那么可想而知，1会出现的问题在Ant中也会存在。如果我们使用Ant来编译UTF-8编码的java源文件，并且不指定如何编码，那么也会出现乱码的情况。所以Ant的编译命令<javac>有一个属性” encoding”允许我们指定编码，如果我们要编译源文件编码为UTF-8的java文件，那么我们的命令应该如下：<javac destdir="${classes}" target=“1.4” source=“1.4” deprecation=“off” debug=“on” debuglevel=“lines,vars,source” optimize=“off” encoding=“UTF-8”>，指定了编码也就相当于”javac –encoding”了，所以不会出现乱码了。

三、jsp的编译

jsp运行原理

  在一个JSP文件第一次被请求时，JSP引擎把该JSP文件转换成为一个Servlet。而这个引擎本身也是一个Servlet。JSP的运行过程如下所示：
(1) JSP引擎先把该JSP文件转换成一个Java源文件（Servlet），在转换时如果发现JSP文件有任何语法错误，转换过程将中断，并向服务端和客户端输出出错信息。
(2) 如果转换成功，JSP引擎用javac把该Java源文件编译成相应的class文件。
(3) 创建一个该Servlet（JSP页面的转换结果）的实例，该Servlet的Init()方法被执行，Init()方法在Servlet的生命周期中只被执行一次。
(4) Service()方法被调用来处理客户端的请求。对每一个请求，JSP引擎创建一个新的线程来处理该请求。如果有多个客户端同时请求该JSP文件，则JSP引擎会创建多个线程。每个客户端请求对应一个线程。以多线程方式执行可以大大降低对系统的资源需求，提高系统的并发量及响应时间。但不过也应该注意多线程的编程限制，由于该Servlet始终驻于内存，所以响应是非常快的。
(5) 如果.jsp文件被修改了，服务器将根据设置决定是否对该文件重新编译，如果需要重新编译，则将编译结果取代内存中的Servlet，并继续上述处理过程。
注意：当这个jsp页面再次被请求执行时，jsp引擎将直接执行字节码文件来响应客户。jsp页面的首次执行往往由服务器管理者来执行。

在上述过程中，有几个过程的转换：
jsp—>java—>class—>html
下面要说明，在这几个过程中，所使用的编码和解码格式。
  第一阶段：jsp到java文件。在我们书写jsp代码时，一般要在文件开头声明pageEncoding属性，这个属性就是用来设置JSP源文件本身的编码。告诉jsp引擎 这个jsp本身采用的编码,然后jsp引擎根据这个编码读取再翻译成一个unicode的java文件，也就是说声明pageEncoding这个属性就是为了让jsp引擎正确的读取jsp。也就是说不管你jsp是哪种编码，最后都会统一成一个Unicode的java文件。这个过程中产生的乱码原因是，你并没有告诉jsp引擎使用哪种编码格式读取jsp,所以就采用默认的编码读了，这样就造成了读取错误，进而导致生成的java错误。需要注意的是，如果pageEncoding属性存在，那么JSP页面的字符编码方式就由pageEncoding决定，否则就由contentType属性中的charset决定，如果charset也不存在，JSP页面的字符编码方式就采用默认的ISO-8859-1。
  第二阶段：java文件到class文件。这个过程没有什么好说的，因为它都是jvm虚拟机内部的事情了，值得注意的是，jsp文件不像单纯的java文件。上面讲的java文件在被编译器读入的时候默认采用的是操作系统所对应的编码，比如中国大陆就是GBK，台湾就是BIG5或者MS950。而一般我们在记事本上写代码，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，这里不一样，在上个阶段生成的java文件已经是Unicode文件了，所以继续以Unicode编译成class文件。
  第三阶段：从class文件到html文件，也就是从服务器到客户端浏览器，在这个过程中要依赖的参数是contentType属性。它指定了服务器将class文件翻译成什么形式的文件发送给客户端，同时告诉客户端以怎样的方式显示内容。所以在contentType需设置MIME类型(一般都是使用html解释器)和jsp页面字符的编码。

综上所述，一般我们在jsp开头声明的内容是：
<%@ page language=“java” contentType=“text/html; charset=utf-8” pageEncoding=“utf-8” %>

这里language属性是定义jsp页面使用的脚本语言，该属性的值目前只能取“java”。