Tomcat关于encoding编码的默认设置以及乱码产生的原因

转载自：http://www.360doc.com/content/14/1030/10/20123917_421091799.shtml。

注意：乱码和request的具体实现类有关，现在已经查到的是RequestDispatcher.forward调用前使用的是org.apache.catalina.connector.RequestFacade类而RequestDispatcher.forward调用后使用的是org.apache.catalina.core.ApplicationHttpRequest，他们内部在ParseParameter的时候， 用来解码的默认的编码逻辑不同，使用不同的协议时，影响乱码的因素不同！ 

具体参考： Tomcat源码分析--ServletRequest.getParameterValues内部分析，Request字符集&QueryStringEncoding  

乱码的产生  
譬如汉字“中”，以UTF-8编码后得到的是3字节的值%E4%B8%AD，然后通过GET或者POST方式把这3个字节提交到Tomcat容器，如果你不告诉Tomcat我的参数是用UTF-8编码的，那么tomcat就认为你是用ISO-8859-1来编码的，而 ISO8859-1（兼容URI中的标准字符集US-ASCII）是兼容ASCII的单字节编码并且使用了单字节内的所有空间 ，因此Tomcat就以为你传递的用ISO-8859-1字符集编码过的3个字符，然后它就用ISO-8859-1来解码，得到中-，解码后。字符串中-在Jvm是以Unicode的形式存在的， 而HTTP传输或者数据库保存的其实是字节 ，因此根据各终端的需要，你可以把unicode字符串中-用UTF-8编码后得到相应的字节后存储到数据库（3个UTF-8字符），也可以取得这3个字符对应的ISO-8859-1的3个字节，然后用UTF-8重新编码后得到unicode字符“中” （特性：把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题） ，然后用response传递给客户端（根据你设置的content-type不同，传递的字节也是不同的！） 
总结：  

• 1，HTTP GET或者POST传递的是字节？数据库保存的也是字节（譬如500MB空间就是500M字节）
• 2，乱码产生的原因是编码和解码的字符集（方式）不同导致的，即对于几个不同的字节，在不同的编码方案下对应的字符可能不同，也可能在某种编码下有些字节不存在（这也是乱码中？产生的原因）
• 3，解码后的字符串在jvm中以Unicode的形式存在
• 4，如果jvm中存在的Unicode字符就是你预期的字符（编码，解码的字符集相同或者兼容），那么没有任何问题，如果jvm中存在的字符集不是你预期的字符，譬如上述例子中jvm中存在的是3个Unicode字符，你也可以通过取得这3个unicode字符对应的3个字节，然后用UTF-8对这3个字节进行编码生成新的Unicode字符：汉字“中”
• 5，ISO8859-1是兼容ASCII的单字节编码并且使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。

下面的代码显示，使用不同的编码来Encoder会得到不同的结果，同时如果Encoder和Decoder不一致或者使用的汉字在编码ISO-8859-1中不存在时，都会表现为乱码的形式！

try {    
  
        // 汉字“中”用UTF-8进行URLEncode的时候，得到%e4%b8%ad(对应的ISO-8859-1的字符是中)  
        String item = new String(new byte[] { (byte) 0xe4, (byte) 0xb8, (byte) 0xad }, "UTF-8");  
        // 中  
        System.out.println(item);  
  
        item = new String(new byte[] { (byte) 0xe4, (byte) 0xb8, (byte) 0xad }, "ISO-8859-1");  
        // 中  
        System.out.println(item);  
  
        System.out.println(new BigInteger("253").toByteArray());  
        System.out.println(Integer.toBinaryString(253));  
  
        // 中  
        item = new String(item.getBytes("ISO_8859_1"), "UTF-8");  
        System.out.println(item);  
        // 中  
        item = new String(item.getBytes("UTF-8"), "ISO_8859_1");  
        System.out.println(item);  
  
        // 汉字中以UTF-8编码为     %E4%B8%AD（3字节）  
        System.out.println(URLEncoder.encode("中", "UTF-8"));    
        // 汉字中以UTF-8编码为     %3F      （1字节 这是由于汉字在ISO-8859-1字符集中不存在，返回的是？在ISO-8859-1下的编码）  
        System.out.println(URLEncoder.encode("中", "ISO-8859-1"));    
        // 汉字中以UTF-8编码为     %D6%D0        （2字节）  
        System.out.println(URLEncoder.encode("中", "GB2312"));    
            
        // 把汉字中对应的UTF-8编码                 %E4%B8%AD 用UTF-8解码得到正常的汉字 中  
        System.out.println(URLDecoder.decode("%E4%B8%AD", "UTF-8"));    
        // 把汉字中对应的ISO-8859-1编码    %3F       用ISO-8859-1解码得到?  
        System.out.println(URLDecoder.decode("%3F", "ISO-8859-1"));    
        // 把汉字中对应的GB2312编码                 %D6%D0        用GB2312解码得到正常的汉字 中   
        System.out.println(URLDecoder.decode("%D6%D0", "GB2312"));    
        // 把汉字中对应的UTF-8编码                 %E4%B8%AD 用ISO-8859-1解码  
        // 得到字符中（这个就是所谓的乱码，其实是3字节%E4%B8%AD中每个字节对应的ISO-8859-1中的字符）  
        // ISO-8859-1字符集使用了单字节内的所有空间  
        System.out.println(URLDecoder.decode("%E4%B8%AD", "ISO-8859-1"));  
        // 把汉字中对应的UTF-8编码                 %E4%B8%AD 用GB2312解码  
        // 得到字符涓?，因为前2字节 %E4%B8对应的GB2312的字符就是涓，而第3字节%AD在GB2312编码中不存在，故返回？  
        System.out.println(URLDecoder.decode("%E4%B8%AD", "GB2312"));    
    } catch (UnsupportedEncodingException e) {    
        // TODO Auto-generated catch block    
        e.printStackTrace();    
    }    

Tomcat关于encoding编码的默认设置以及相关标准:  
对于Get请求 ，"URI Syntax"规范规定HTTP query strings（又叫GET parameters）使用US-ASCII编码，所有不在这个编码范围内的字符，必须经常 一定的转码：%61的形式（encode） 。又由于ISO-8859-1 and ASCII对于0x20 to 0x7E范围内的字符是兼容的，大部分的web容器譬如Tomcat容器默认使用ISO-8859-1解码URI中%xx部分的字节。可以使用Connector中的 URIEncoding 来修改这个默认用来解码URI中%xx部分字节的字符集。 URIEncoding要和get请求query string中encode的编码一直，或者通过设置Content-Type来告诉容器你使用什么编码来转码url中的字符  

POST请求 应该自己通过参数Content-Type指定所使用的编码，由于许多客户端都没有设置一个明确的编码，tomcat就默认使用ISO-8859-1编码。 注意：用来对URI进行解码的字符集，Request字符集，Response字符集的区别！不同的Request实现中，对于上述3个编码的关系是不同的  

对于POST请求 ，ISO-8859-1是Servlet规范中定义的HTTP request和response的默认编码。如果 request或者response 的字符集没有被设定，那么Servlet规范指定使用编码ISO-8859-1，请求和相应指定编码是通过 Content-Type 响应头来设定的。 

如果Get、Post请求没有通过Content-Type来设置编码的话，Tomcat默认使用ISO-8859-1编码。可以使用SetCharacterEncodingFilter来修改Tomcat请求的默认编码设置（encoding：使用的编码， ignore：true，不管客户端是否指定了编码都进行设置， false，只有在客户端没有指定编码的时候才进行编码设置， 默认true） 
注意： 一般这个Filter建议放在所有Filter的最前面 （Servlet3.0之前基于filter-mapping在web.xml中的顺序， Servlet3.0之后有参数可以指定顺序），因为一旦从request里面取值后，再进行设置的话，设置无效。 因为在第一次从request取值时，tomcat会把querystring或者post方式提交的变量，用指定的编码转成从parameters数组，以后直接从这个数组中获取相应参数的值！  

到处都使用UTF-8建议操作：  

• 1， Set URIEncoding="UTF-8" on your <Connector> in server.xml.使得Tomcat Http Get请求使用UTF-8编码
• 2， Use a character encoding filter with the default encoding set to UTF-8. 由于很多请求本身没有指定编码， Tomcat默认使用ISO-8859-1编码作为HttpServletRequest的编码，通过filter修改
• 3， Change all your JSPs to include charset name in their contentType. For example, use <%@page contentType="text/html; charset=UTF-8" %> for the usual JSP pages and <jsp:directive.page contentType="text/html; charset=UTF-8" /> for the pages in XML syntax (aka JSP Documents). 指定Jsp页面使用的编码
• 4， Change all your servlets to set the content type for responses and to include charset name in the content type to be UTF-8. Use response.setContentType("text/html; charset=UTF-8") or response.setCharacterEncoding("UTF-8"). 设置Response返回结果的编码
• 5, Change any content-generation libraries you use (Velocity, Freemarker, etc.) to use UTF-8 and to specify UTF-8 in the content type of the responses that they generate.指定所有模版引擎佘勇的编码
• 6, Disable any valves or filters that may read request parameters before your character encoding filter or jsp page has a chance to set the encoding to UTF-8.SetCharacterEncodingFilter一般要放置在第一位，否则可能无效