浏览器地址栏中文乱码问题

浏览器地址栏中文乱码问题

在浏览器的地址栏中，有时往往需要使用到中文的一些需求，这个时候改后台就会接收到一堆例如：%E6%9C%89%E8%B6%A3%E7%9A%84%E5%B0%8F%E7%8E%A9%E6%84%8F 这样的中文的URL编码后的结果。

处理上，个人只知道一种全局性的，希望大家要是有什么见解也能分享一下 😃。

地址栏上的中文乱码解决

前端解决方法

decodeURI() 函数 对 encodeURI() 函数编码过的 URI 进行解码。
下面是控制台的试验：

后端Java的解决方法

Java 中有 java.net.URLEncoder 和 java.net.URLDecoder 类，其功能分别是用来对 HTML 进行编码和解码的工具类。

通过调用：URLEncoder.encode(url) 进行编码，URLDecoder.decode(url) 进行解码。当然也存在双形参的方法，第二个参数用于选择对应的编码格式。

这是一个测试：

public static void main(String[] args) {
    String url = "https://www.baidu.com/s?wd=哈哈哈，笑死我了";
    String frontEncodeUrl = "https://www.baidu.com/s?wd=%E5%93%88%E5%93%88%E5%93%88%EF%BC%8C%E7%AC%91%E6%AD%BB%E6%88%91%E4%BA%86";
    String encodeUrl = URLEncoder.encode(url);
    System.out.println(encodeUrl);
    System.out.println(URLDecoder.decode(encodeUrl));
    System.out.println(URLDecoder.decode(frontEncodeUrl));
}

输出结果：

https%3A%2F%2Fwww.baidu.com%2Fs%3Fwd%3D%E5%93%88%E5%93%88%E5%93%88%EF%BC%8C%E7%AC%91%E6%AD%BB%E6%88%91%E4%BA%86
https://www.baidu.com/s?wd=哈哈哈，笑死我了
https://www.baidu.com/s?wd=哈哈哈，笑死我了

由上不难看出，Java的 URL编码，对符号也进行了编码，而 JavaScript 的编码上会更适用网页地址。

URI包括URL和URN两个类别，URL是URI的子集，二者都是为了表达唯一性的。
URI (Universal Resource Identifier) 统一资源标志符，用来标识抽象或物理资源的一个紧凑字符串。
URL (Universal Resource Locator) 统一资源定位符，一种定位资源的主要访问机制的字符串，一个标准的URL必须包括：protocol、host、port、path、parameter、anchor。
URN (Universal Resource Name) 统一资源名称，通过特定命名空间中的唯一名称或ID来标识资源。

参数中的中文乱码解决

对于参数中会产生的中文乱码问题，主要是因为浏览器，默认编码都是 ISO-8859-1 。
我所知的修改方式有：

1. 全局配置文件修改
2. 获取参数修改编码方式

通过全局配置解决乱码问题

配置文件

以 Tomcat 为例，路径: ??\tomcat\conf\server.xml，其大致在 63 行上下处（个人配置文件显示在 63，可以通过查询进行查找位置，端口也可以在这里修改，以及需要使用的协议）

<!-- 增加 URIEncoding="utf-8" useBodyEncodingForURI="true" -->
<Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443" URIEncoding="utf-8" useBodyEncodingForURI="true"/>

编码格式根据自己需求修改，一般使用 GBK，GB2312，UTF-8

使用 pom 的修改

同样以 tomcat 为例

<build>
    <plugins>
        <!-- tomcat 插件 -->
        <plugin>
            <groupId>org.apache.tomcat.maven</groupId>
            <artifactId>tomcat7-maven-plugin</artifactId>
            <version>2.2</version>
            <configuration>
                <port>8080</port>
                <!-- 更改uri编码 -->
                <uriEncoding>UTF-8</uriEncoding>
            </configuration>
        </plugin>
    </plugins>
</build>

局部配置解决乱码问题

在Java代码中这样使用

// 获取需要的参数
String active = req.getParameter("active");
// 对获取到的参数结果进行解码与重新编码
String reCodeActive = new String(active.getBytes(StandardCharsets.ISO_8859_1), StandardCharsets.UTF_8);

这种方式的获取，无论是 post 还是 get 请求都可以进行处理。

也可以 设置请求字符集编码 来解决乱码

//需要先设置编码再取值，否则设置不会生效
req.setCharacterEncoding("utf-8");
// 获取需要的参数
String active = req.getParameter("active");
// 对获取到的参数结果进行解码与重新编码
String reCodeActive = new String(active.getBytes(StandardCharsets.ISO_8859_1), StandardCharsets.UTF_8);

注意：

1. 该方式，只能解决 post 请求中的中文，对 get 无效。
2. 必须在 req.getParameter 之前使用 req.setCharacterEncoding("utf-8"); 否则依旧失效

Java响应体乱码，输出乱码解决

Java 中可以获取到服务器的 response 对象。然而 response 默认响应编码依旧不是我们想要的编码形式。因此，如果想 通过 write 方法在前端展示中文，需要如下设置

resp.setCharacterEncoding("utf-8");
resp.setContentType("text/html;charset=utf-8");

知识储备

编码与解码

因为计算机本身是由高低电脉冲所控制的一个电子器械。说白了内部都是 0 和 1 组成的。
为了增强计算机上数据的可读性，由此衍生出了一系列的编码。

就好比方大小写字符这些空格等一些常见的字符，都在 ASCII 中编写的。ASCII 本身就是一种编码，其共有128(2⁷)个字符。标准的 ASCII 码就是这由 7 位 (7bit) 组成的，详情可以去百度百科了解 ASCII

为此，各个国家都希望计算机能够识别自己国家的语言，便自己开发了属于自己国家语言的编码方式，就好比 GBK，GB2312 等。

所以我们在屏幕上，所看到的汉字英文符号等，就是一个个被计算机经过编码后，所展示出来的 隐式 0101 这样的二进制串。

至于如何开发一套编码什么的。。。有大佬知道的话，还请赐教了。

内部都是 0101 ，为什么还要解码？
这个问题其实非常可圈可点，反正都是 0101 的干嘛还要转来转去呢？其根本原因在于 不同的编码本身长度存在差异。

就像之前的 ASCII 码，其只占1字节，但是对于中文都是占两个字节的，这个时候，如果你不去编码，就会导致，误把一个中文读取成了两个ASCII 对应的某个符号什么的也说不定。这也是为啥 有时候使用GBK和GB2312编码时，转码可以说，你就直接换，也不会出现数据错乱效果的原因。

总结

对于乱码问题，只要了解了底层大致，基本遇到问题，都知道原因。
综合而言：只要了解了某一个语言的编码方式，就能知道如何获取你想要的编码格式了。你所要做的就是将之前的编码解开，重新进行想要的编码格式即可。