字符解码时加号解码为空格问题探究

问题

  最近发现一个问题，后台Java代码使用new URL(url)方式发起一个POST请求，模拟表单提交操作，从后台提交数据到服务器端。当客户端的数据中带加号时，服务器端的Servlet使用request.getParameter('param')得到的数据加号被变为了空格。比如：客户端发送的数据为aa+aa，服务器接收到的数据变为了aa aa。

简单写了几句代码验证一下：

String str = "aaa+aaa aaa%2B";
System.out.println("ENCODE="+URLEncoder.encode(str, "utf-8"));
System.out.println("DECODE="+URLDecoder.decode(str,"utf-8"));

运行结果如下：

ENCODE=aaa%2Baaa+aaa%252B
DECODE=aaa aaa aaa+

原因

  通过上面的代码可以看到，编码时，空格被编码成了+号，+号变成了%2b。当未经过编码的带+号的字符串解码时，+号直接转变为了空格。

翻了一下文档是这么说的（地址）：

接着到application/x-www-form-urlencoded MIME format的说明处（地址）：

再翻了一下servlet中request.getParameter('param')方法说明，如下：

接着看getParameter到底如何取数据的：

  从上图可以知道，当在servlet中使用getParameter方法来接收POST数据时，默认是会根据请求头的类型来解码的。这就证实了如果通过后端new URL(url)的方式模拟表单的POST，如果在POST前不对数据进行编码且数据中带有+号，那么服务器端收到的数据必然会是错误的（+号会被自动解码为空格）。

验证

  常规的表单提交content-type有两种：application/x-www-form-urlencoded和multipart/form-data,如果表单提交时不设置任何类型，默认以第一种方式提交数据；第二种属于带附件的表单提交，当表单中有附件时，必须设置表单的enctype为multipart/form-data.

  很多时候，我们用 Ajax 提交数据时，也是使用这种方式。例如 JQuery的 Ajax，Content-Type 默认值为application/x-www-form-urlencoded;charset=utf-8。

前端代码

$.ajax({
  url:getServer()+"/TestServlet",
  data:{yiying:"aaa+aa a"},
  type:'post',
  success:function(response){

  }})

HTTP请求情况

  由于在chrome的控制台中所显示的数据被优化显示了，所以在Form Date部分，需要点击后面的view source才能看到浏览器发送数据的真实格式是怎么样的。默认优化后的显示应当为yiying:aaa+aa a,

  从上图中可以看到，浏览器实际上的使用Content-Type:application/x-www-form-urlencoded; charset=UTF-8的编码规则，实际发送的数据为yiying=aaa%2Baa+a,其中+号变为了%2b,空格被编码为+号。

后端情况

@WebServlet("/TestServlet")
public class TestServlet extends HttpServlet {
    private static final long serialVersionUID = 1L;
    public TestServlet() {
        super();
    }
    protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
        doPost(request,response);
    }
    protected void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
        System.out.println("==="+request.getParameter("yiying")+"===");
    }
}
//输出值为
===aaa+aa a===

  从后端的输出值可以看到，后端的servlet自动解码为原始数据。

关于后端中文乱码问题的特别说明：

后端服务器(tomcat 的server.xml)如果没有设置编码规则（URIEncoding=”utf-8”），Servlet默认会以ISO-8859-1来解码中文字符(Servlet规范定义)，而前端标识为utg-8,此种情况就会产生乱码，可以用如下3种办法来解决：
1. 在server.xml设置编码规则为utf-8
2. 在调用getParameter之前使用代码设置编码规则，request.setCharacterEncoding("utf-8");
3. 定点处理，String name = new String(request.getParameter("name").getBytes("iso-8859-1"),"utf-8");

结论

  显而易见，如果需要在后端使用new java.net.URL(url)的方式POST提交数据，需要像浏览器那样先给数据编码处理，再发送数据。

欢迎到个人独立博客逛逛：http://muchstudy.com