java web编解码问题

1. 浏览器编码

浏览器是通过http协议与服务器交互，http的请求或响应报文格式如下：

（1）start line

（2）headers

（3）body

其中按规定，（1）、（2）必须是ASCII码的字符，因此非ASCII码的需要转换成ASCII码，分别介绍如下：

 

 

1）start line(起始行)：其包含请求方法（post、get等）、URL、版本，在startline中需要注意的url，以如下url为例

例：http://localhost:8080/servletTest/中文路径?name=中文参数

其中：http://localhost:8080/servletTest/中文路径为pathInfo(路径信息)

name=中文参数为queryString(请求参数)，为满足startline全为ASCII字符，因此需要将pathInfo、queryString中中文字符先编码成字节数组，然后以16进制形式展现，并在没两个字符前加上%(即urlcode)

对于pathinfo、queryString的编码规则如下：

a. pathInfo的编码受浏览器的编码格式控制(chrome浏览器默认编码格式为utf-8)

b.queryString的编码分不同情况：在浏览器中直接输入，受浏览器的默认编码格式控制(注：页面内通过<a>等跳转的也属于浏览器直接输入这种情况) 、在页面内的get请求受页面控制<meta charset="gbk">

 

2）headers：头信息，如Accept-Charset等，其中可能会出现中文的有

a. Content-disposition:这个是用于控制文件采用何种方式、默认文件名。具体格式为

disposition-type;disposition-parm,其中disposition-type有两种分别为inline(在浏览器中直接打开)和 attachment(以附件的形式，提供下载)，其中disposition-parm可为filename={filename},此时filename根据需求可能为中文，解决乱码问题的方法是对其进行url编码即可

b.Cookie：其中也可能存在中文乱码，因此需要url编码

 

3）body

          body里是什么内容，如果是字符采用什么编码，如果是图像又采用什么格式，所有这些都是由headers中Content-Type里规定的。

        常见的Content-Type如下：

•     text/html ： HTML格式
•     text/plain ：纯文本格式     
•     text/xml ：  XML格式
•     image/gif ：gif图片格式   
•     image/jpeg ：jpg图片格式
•     image/png：png图片格式
•    application/xml     ： XML数据格式
•    application/json    ： JSON数据格式
•    application/pdf       ：pdf格式 
•    application/msword  ： Word文档格式
•    application/octet-stream ： 二进制流数据（如常见的文件下载）
•    application/x-www-form-urlencoded ： <form encType=””>中默认的encType，form表单数据被编码为key/value格式发送到服务器（表单默认的提交数据的格式）
•     multipart/form-data ： 需要在表单中进行文件上传时，就需要使用该格式(上传文件时使用)

如Content-Type: text/html; charset=UTF-8，表示body里的内容是html文件，采用UTF-8编码

Content-Type: application/x-www-form-urlencoded：POST常用的消息类型，它表明body里放的是表单数据，采用的编码为urlencoded。首先，这种格式的body内容必须为ASCII码，除了格式化字符自身外，其他字符必须限定于ASCII的unreserved子集。举例来说，这种body的格式为name1=value1&name2=value2&name3=&name4=value4，name1,name2,name3,name4为变量名，value1,value2,value3,value4为变量的值，=和&为格式化字符，这里要求name1,name2,name3,name4,value1,value2,value4的编码必须为ASCII的UnReserved子集

 

 

 

 

2. 服务器解码

1）URL的URI部分进行解码的字符集是在connector的<Connector URIEncoding-"UTF-8">中定义的，如果没有定义，那么将以默认编码IS0-8859-1解析

ps：所以有中文URL时最好把URIEncoding设置成UTF-8编码

2）QueryString的解码字符集要么是Header中ContentType定义的Charset，要么是默认的ISO-8859-1，要使用ContentType中定义的编码，就要将connector的<Connector URIEncoding-"UTF-83useBodyEncodingForURI-"true"/>中的useBodyEncodingForURI设置为true

3）InputStreamReader类就是关联字节到字符的桥梁，它负责在I/O过程中处理读取字节到字符的转换，需要指定Charset，如果没有则将使用本地环境中的默认字符集，如在中文环境中将使用GBK编码

4）Charset类取代。Charset提供encode与decode，分别对应char[](即String)到byte[]的编码解码

 

3. 问题定位

1）一个汉字变成了一个问号：将中文和中文符号经过不支持中文的ISO-8859-1编码后，所有字符变成了“？”