关于编码、字符集与乱码

看了一下几位的文章：

http://blog.csdn.net/Breeze2003/archive/2008/11/25/3368406.aspx

这位写的很好，介绍了编码与解码的关系

http://blog.csdn.net/yzhz/archive/2007/07/03/1676796.aspx

http://blog.csdn.net/sfdev/archive/2009/01/20/3841719.aspx

这2为介绍的比较全面

http://www.javaeye.com/topic/398782

http://www.javaeye.com/topic/97803

这里介绍了字符集和编码的基本常识

 

我做个总结好了，我文采不太好。。。

交代下我的环境，tomcat用的默认编码iso-8859-1，jsp页面用的gb2312,filter过滤器用的gb2312，这样表单post过来的没问题。

 

首先介绍下字节与字符。

字节：计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。
字符：人们使用的记号，抽象意义上的一个符号，肯能对应多个字节。在Java中，字符串用统一的Unicode编码，每个字符占用两个字节，某种意义上/uxxxx就代表一个字符。

 

上面几位那转过来的，在这里标明下。

 

HttpServletRequest.getParameter("name");   //返回的字符串为：queryString（包括get和post），其值经过Servlet服务器URL Decode（解码）过的，默认编码来源于应用服务器中的配置，比如tomcat中server.xml的URIEncoding。

HttpServletRequest.getPathInfo();    //同上

HttpServletRequest.getRequestURI(); //返回的字符串为：contextPath/servletPath/pathinfo；注意是浏览器提交过来的原始数据，未被Servlet服务器URL Decode过。

 

１、函数介绍

１）将字符串用指定的编码集合解析成字节数组，完成Unicode－〉charsetName转换
public byte[] getBytes(String charsetName) throws UnsupportedEncodingException　
 
２）将字节数组以指定的编码集合构造成字符串，完成charsetName－〉Unicode转换
public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException。

 

网页表单提交时候的编码：

 

当网页上的表单（form）提交数据到 Web 服务器时，'?', '&', '=', '%', '+' 等符号在提交的数据中都有特殊的定义和用途。因此，如果所要提交的某个表单项中，包含这些符号，那么这些符号就需要进行一下转化，然后服务器再进行逆向转 化而得到本来所要提交的数据。

转化的格式是：%XX （百分号再跟上被转化符号的16进制编码，根据特定的编码规则得到16进制数，比如utf-8,bg2312等）。url中pathinfo与queryString部分也是这样。

 

看url传递参数和表单get的情况，表单会更具jsp的contentType中指定的字符集编码，我的是gb2312，而url会根据ie的默认字符集来编码，也就是GBK。传到服务器以后，tomcat会根据默认字符集iso-8859-1来解码（我认为是用了函数2，服务器将ie传过来的字节码解码了），我们用request.getParameter("name");就会得到乱码，所以我们要先用 public byte[] getBytes(String charsetName) 重新得到原始的字节码，在用public String(byte[] bytes, String charsetName)得到正确的字符串。

对于POST方式，表单中的参数值对是通过request body发送给服务器，此时浏览器会根据网页的ContentType("text/html; charset=GBK")中指定的编码进行对表单中的数据进行编码，然后发给服务器。
在服务器端的程序中我们可以通过Request.setCharacterEncoding() 设置编码，然后通过request.getParameter获得正确的数据。

不知道这里是否经过了服务器解码，解码是在什么时候做的，还是有点不明白？

 

下面说下关于AJAX传递中文参数，我们利用 XMLHttpRequest对象传递的中文参数。

我做了个实验利用了javascript的encodeURI()函数对url进行编码，它用的是utf-8。

首先用window.location.href=encodeURI(url)；

在服务器用request.getParameter("name")会得到？？？？，证明他经过了iso-8859-1的编码，用URLDecoder.decode()方法解码无法得到正确的结果，用new String(bytes,"utf-8")可以得到正确结果。这种情况下用Js函数好像没什么用

 

其次利用$.ajax()方式，我用的jquery框架，传递过来的参数，用request.getParameter("name")得到了url编码后的，也就是%xx%xx%xx,用URLDecoder.decode()方法解码可以得到正确结果，好像没有经过服务器解码，原来$.ajax()默认是用get方式，当传递data参数时变为post方式，所以他未经过服务器解码的，但好像也没经过filter解码。。。