Servlet之乱码问题处理

乱码问题

1. 判断字符串的编码格式

注意，由于存在重码现象，以下方案并不严谨 。

// 由于字符编码存在重叠区，所以一个字符/字符串有多种编码可能，是完全正常合理的。
public static String getEncoding(String str) {
    String encode[] = new String[]{
            "ASCII",
            "ISO-8859-1",
            "GB2312",       // GB2312 是 GBK 的一种「具体情况」。
            "GBK",
            "UTF-8",        // UTF-8 是 Unicode 的一种「具体情况」。
            "UTF-16",       // UTF-16 是 Unicode 的一种「具体情况」。
            "Unicode",
    };
    String ret = "";

    for (int i = 0; i < encode.length; i++) {
        try {
            if (str.equals(new String(str.getBytes(encode[i]), encode[i]))) {
                ret = ret + encode[i] + " ";
            }
        } catch (Exception ex) {
        }
    }

    return ret.equals("") ? "Other" : ret;
}

乱码出现在三种场景：

• GET 请求提交的中文数据，在 Servlet 中输出乱码。

• POST 请求提交的中文数据，在 Servlet 中输出乱码。

• 返回给浏览器的中文数据，在页面显示乱码。

提前声明，虽然同样是提交的数据在 Servlet中 显示为乱码，但是 GET / POST 发生乱码的原因和解决乱码的方案并不相同，不能混用 。

2. 获取 GET 请求中的数据，打印乱码

默认情况下，浏览器发送给 Tomcat 的数据都是以 ISO-8859-1 进行编码后的字节流。

在 get 请求中，Tomcat 以何种方式看待、解析接收的这些字节流取决于 server.xml 中的一个配置： 。

默认情况下 URIEncoding="ISO-8859-1"，即 Tomcat 默认以 ISO-8859-1 编码解析所收到的 get 请求发送来的字节流，从而转换为字符流，即字符串。

但是这里有一个关键性问题：Java 字符串是 UTF-8 编码。所以，当你通过 req.getParameter(""); 获得一个中文字符串时，这个字符串是 ISO-8859-1 编码，但一旦你使用 System.out.println() 打印时，Java 会当它是一个 UTF-8 编码的字符串。这就是出现乱码原因。

解决问题的办法有两个：

1. 修改配置文件，让 Tomcat 以 UTF-8 格式 看待/解析 接收到的字节流。

2. 不改变配置文件。获得 Tomcat 的 ISO-8859-1 字符串后，生成对应的 UTF-8 字符串，再进行输出打印。

3. 获取 POST 请求中的数据，打印乱码

serverl.xml 中 URIEncoding="xxx" 设置影响不到 post 请求提交来的数据！适用于 get 请求的修改配置方案，对 post 请求无效！

Tomcat 如何 看待/解析 post 请求发送来的数据，取决于 req.setCharacterEncoding("");。如果未曾调用该方法，Tomcat 以 ISO-8859-1 编码解析接受的post请求数据。同上，随后一旦调用 System.out.println() 就会出现乱码。

解决问题的办法有两个：

1. 在调用 req.getParameter() 前调用 req.setCharacterEncoding("UTF-8");， 让 Tomcat 以 UTF-8 格式 看待/解析 接收到的字节流

2. 不设置req字符编码。获得 Tomcat 的 ISO-8859-1 字符串后，生成对应的 UTF-8 字符串，再进行输出打印。

如同 get 的方案一对 post 无效，post 的方案一同样解决不了 get 的乱码问题。

但是，显而易见，两者方案二是相同的，这也是后续 过滤器 的主要使用场景。

4. 中文字符串，输出到页面显示乱码

以何种编码将字符转换为字节流后，发送给浏览器，取决于 resp.setCharacterEncoding("xxx"); 。没有调用时，默认使用 ISO-8859-1 编码格式。

但是 ISO-8859-1 格式最大的问题在于：它是一个单字节编码，不支持中文。

所以，使用 Tomcat 默认的 ISO-8859-1 编码向浏览器发送的字节流中，如果含有中文信息，浏览器无法正确显示成对应中文。

解决办法只有一个，设置 Tomcat 发送数据的编码格式，并且，resp.setCharacterEncoding() 必须在 PrintWriter out = resp.getWriter(); 之前，否则设置无效（因为你已经得到了使用 ISO-8859-1 编码的 out 对象了）。

5. setContentType 和 setCharacterEncoding

在 servletResponse.setCharacterEncoding() 方法的注释中写到了它和 setContentType 之间的关系：

• 如果 response 的字符集已经在 setContentType（或 setLocale）方法中指定，那么你再调用 setCharacterEncoding 方法则会覆盖掉之前的设置。
• .setContentType("text/html; charset=UTF-8") 等同于 .setContentType("text/html") + .setCharacterEncoding("UTF-8")。

另外，在使用 setCharacterEncoding 会出现失效的情况，通常是因为 2 点原因：

1. 你在 .getWriter() 之后才调用 .setCharacterEncoding()，这样对字符集的设置太晚，自然是无效的。
2. 你有 .setCharacterEncoding()，但是没有调用 .setContentType()，这样对字符集的设置也是无效的。