今天小編給大家分享一篇JSP中Servlet中文編碼詳細(xì)解析，感興趣的朋友跟小編一起來(lái)了解一下吧!

　　在JDK中，與中文相關(guān)的編碼有：

　　表1　JDK中與中文相關(guān)的編碼列表

?

　　在實(shí)際編程時(shí)，接觸得比較多的是GB2312(GBK)和ISO8859-1。

　　為什么會(huì)有“?”號(hào)

　　上文說(shuō)過(guò)，異種語(yǔ)言之間的轉(zhuǎn)換是通過(guò)Unicode來(lái)完成的。假設(shè)有兩種不同的語(yǔ)言A和B，轉(zhuǎn)換的步驟為：先把A轉(zhuǎn)化為Unicode，再把Unicode轉(zhuǎn)化為B。

　　舉例說(shuō)明。有GB2312中有一個(gè)漢字“李”，其編碼為“C0EE”，欲轉(zhuǎn)化為ISO8859-1編碼。步驟為：先把“李”字轉(zhuǎn)化為Unicode，得到“674E”，再把“674E”轉(zhuǎn)化為ISO8859-1字符。當(dāng)然，這個(gè)映射不會(huì)成功，因?yàn)镮SO8859-1中根本就沒(méi)有與“674E”對(duì)應(yīng)的字符。

　　當(dāng)映射不成功時(shí)，問(wèn)題就發(fā)生了!當(dāng)從某語(yǔ)言向Unicode轉(zhuǎn)化時(shí)，如果在某語(yǔ)言中沒(méi)有該字符，得到的將是Unicode的代碼“/uffffd”(“/u”表示是Unicode編碼，)。而從Unicode向某語(yǔ)言轉(zhuǎn)化時(shí)，如果某語(yǔ)言沒(méi)有對(duì)應(yīng)的字符，則得到的是“0x3f”(“?”)。這就是“?”的由來(lái)。

　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”進(jìn)行new String(buf, "gb2312")操作，得到的結(jié)果是“/ufffd/u554a”，再println出來(lái)，得到的結(jié)果將是“?啊”，因?yàn)椤?x80 0x40”是GBK中的字符，在GB2312中沒(méi)有。

　　再如，把字符串String="/u00d6/u00ec/u00e9/u0046/u00bb/u00f9"進(jìn)行new String (buf.getBytes("GBK"))操作，得到的結(jié)果是“3fa8aca8a6463fa8b4”，其中，“/u00d6”在“GBK”中沒(méi)有對(duì)應(yīng)的字符，得到“3f”，“/u00ec”對(duì)應(yīng)著“a8ac”，“/u00e9”對(duì)應(yīng)著“a8a6”，“0046”對(duì)應(yīng)著“46”(因?yàn)檫@是ASCII字符)，“/u00bb”沒(méi)找到，得到“3f”，最后，“/u00f9”對(duì)應(yīng)著“a8b4”。把這個(gè)字符串println一下，得到的結(jié)果是“?ìéF?ù”。看到?jīng)]?這里并不全是問(wèn)號(hào)，因?yàn)镚BK與Unicode映射的內(nèi)容中除了漢字外還有字符，本例就是最好的明證。

　　所以，在漢字轉(zhuǎn)碼時(shí)，如果發(fā)生錯(cuò)亂，得到的不一定都是問(wèn)號(hào)噢!不過(guò)，錯(cuò)了終究是錯(cuò)了，50步和100步并沒(méi)有質(zhì)的差別。

　　或者會(huì)問(wèn)：如果源字符集中有，而Unicode中沒(méi)有，結(jié)果會(huì)如何?回答是不知道。因?yàn)槲沂诸^沒(méi)有能做這個(gè)測(cè)試的源字符集。但有一點(diǎn)是肯定的，那就是源字符集不夠規(guī)范。在Java中，如果發(fā)生這種情況，是會(huì)拋出異常的。

　　什么是UTF

　　UTF，是Unicode Text Format的縮寫，意為Unicode文本格式。對(duì)于UTF，是這樣定義的：

　　(1)如果Unicode的16位字符的頭9位是0，則用一個(gè)字節(jié)表示，這個(gè)字節(jié)的首位是“0”，剩下的7位與原字符中的后7位相同，如“/u0034”(0000 0000 0011 0100)，用“34” (0011 0100)表示;(與源Unicode字符是相同的);

　　(2)如果Unicode的16位字符的頭5位是0，則用2個(gè)字節(jié)表示，首字節(jié)是“110”開頭，后面的5位與源字符中除去頭5個(gè)零后的最高5位相同;第二個(gè)字節(jié)以“10”開頭，后面的6位與源字符中的低6位相同。如“/u025d”(0000 0010 0101 1101)，轉(zhuǎn)化后為“c99d”(1100 1001 1001 1101);

　　(3)如果不符合上述兩個(gè)規(guī)則，則用三個(gè)字節(jié)表示。第一個(gè)字節(jié)以“1110”開頭，后四位為源字符的高四位;第二個(gè)字節(jié)以“10”開頭，后六位為源字符中間的六位;第三個(gè)字節(jié)以“10”開頭，后六位為源字符的低六位;如“/u9da7”(1001 1101 1010 0111)，轉(zhuǎn)化為“e9b6a7”(1110 1001 1011 0110 1010 0111);

　　可以這么描述JAVA程序中Unicode與UTF的關(guān)系，雖然不絕對(duì)：字符串在內(nèi)存中運(yùn)行時(shí)，表現(xiàn)為Unicode代碼，而當(dāng)要保存到文件或其它介質(zhì)中去時(shí)，用的是UTF。這個(gè)轉(zhuǎn)化過(guò)程是由writeUTF和readUTF來(lái)完成的。

　　好了，基礎(chǔ)性的論述差不多了，下面進(jìn)入正題。

　　先把這個(gè)問(wèn)題想成是一個(gè)黑匣子。先看黑匣子的一級(jí)表示：

　　input(charsetA)->process(Unicode)->output(charsetB)

　　簡(jiǎn)單，這就是一個(gè)IPO模型，即輸入、處理和輸出。同樣的內(nèi)容要經(jīng)過(guò)“從charsetA到unicode再到charsetB”的轉(zhuǎn)化。

　　再看二級(jí)表示：

　　SourceFile(jsp,java)->class->output

　　在這個(gè)圖中，可以看出，輸入的是jsp和java源文件，在處理過(guò)程中，以Class文件為載體，然后輸出。再細(xì)化到三級(jí)表示：

　　jsp->temp file->class->browser,os console,db

　　app,servlet->class->browser,os console,db

　　這個(gè)圖就更明白了。Jsp文件先生成中間的Java文件，再生成Class。而Servlet和普通App則直接編譯生成Class。然后，從Class再輸出到瀏覽器、控制臺(tái)或數(shù)據(jù)庫(kù)等。

　　JSP：從源文件到Class的過(guò)程

　　Jsp的源文件是以“.jsp”結(jié)尾的文本文件。在本節(jié)中，將闡述JSP文件的解釋和編譯過(guò)程，并跟蹤其中的中文變化。

　　1、JSP/Servlet引擎提供的JSP轉(zhuǎn)換工具(jspc)搜索JSP文件中用"%>中指定的charset。如果在JSP文件中未指定，則取JVM中的默認(rèn)設(shè)置file.encoding，一般情況下，這個(gè)值是ISO8859-1;

　　2、jspc用相當(dāng)于“javac –encoding ”的命令解釋JSP文件中出現(xiàn)的所有字符，包括中文字符和ASCII字符，然后把這些字符轉(zhuǎn)換成Unicode字符，再轉(zhuǎn)化成UTF格式，存為JAVA文件。ASCII碼字符轉(zhuǎn)化為Unicode字符時(shí)只是簡(jiǎn)單地在前面加“00”，如“A”，轉(zhuǎn)化為“/u0041”(不需要理由，Unicode的碼表就是這么編的)。然后，經(jīng)過(guò)到UTF的轉(zhuǎn)換，又變回“41”了!這也就是可以使用普通文本編輯器查看由JSP生成的JAVA文件的原因;

　　3、引擎用相當(dāng)于“javac –encoding UNICODE”的命令，把JAVA文件編譯成CLASS文件;

　　先看一下這些過(guò)程中中文字符的轉(zhuǎn)換情況。有如下源代碼：

?

　　String a="中文";

　　out.println(a);

　　%>

　　這段代碼是在UltraEdit for Windows上編寫的。保存后，“中文”兩個(gè)字的16進(jìn)制編碼為“D6 D0 CE C4”(GB2312編碼)。經(jīng)查表，“中文”兩字的Unicode編碼為“/u4E2D/u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打開引擎生成的由JSP文件轉(zhuǎn)變而成的JAVA文件，發(fā)現(xiàn)其中的“中文”兩個(gè)字確實(shí)被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件編譯生成的CLASS文件，發(fā)現(xiàn)結(jié)果與JAVA文件中的完全一樣。

　　再看JSP中指定的CharSet為ISO-8859-1的情況。

?

　　String a="中文";

　　out.println(a);

　　%>

　　同樣，該文件是用UltraEdit編寫的，“中文”這兩個(gè)字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的JAVA文件和CLASS文件的過(guò)程：jspc用ISO-8859-1來(lái)解釋“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁語(yǔ)系，其映射規(guī)則就是在每個(gè)字節(jié)前加“00”，所以，映射后的Unicode編碼應(yīng)為“/u00D6/u00D0/u00CE/u00C4”，轉(zhuǎn)化成UTF后應(yīng)該是“C3 96 C3 90 C3 8E C3 84”。好，打開文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示為“C3 96 C3 90 C3 8E C3 84”。

　　如果上述代碼中不指定，即把第一行寫成“”，JSPC會(huì)使用file.encoding的設(shè)置來(lái)解釋JSP文件。在RedHat 6.2上，其處理結(jié)果與指定為ISO-8859-1是完全相同的。

　　到現(xiàn)在為止，已經(jīng)解釋了從JSP文件到CLASS文件的轉(zhuǎn)變過(guò)程中中文字符的映射過(guò)程。一句話：從“JspCharSet到Unicode再到UTF”。下表總結(jié)了這個(gè)過(guò)程：

　　表2　“中文”從JSP到CLASS的轉(zhuǎn)化過(guò)程

?

　　下節(jié)先討論Servlet從JAVA文件到CLASS文件的轉(zhuǎn)化過(guò)程，然后再解釋從CLASS文件如何輸出到客戶端。之所以這樣安排，是因?yàn)镴SP和Servlet在輸出時(shí)處理方法是一樣的。

　　Servlet：從源文件到Class的過(guò)程

　　Servlet源文件是以“.java”結(jié)尾的文本文件。本節(jié)將討論Servlet的編譯過(guò)程并跟蹤其中的中文變化。

　　用“javac”編譯Servlet源文件。javac可以帶“-encoding ”參數(shù)，意思是“用中指定的編碼來(lái)解釋Serlvet源文件”。

　　源文件在編譯時(shí)，用來(lái)解釋所有字符，包括中文字符和ASCII字符。然后把字符常量轉(zhuǎn)變成Unicode字符，最后，把Unicode轉(zhuǎn)變成UTF。

　　在Servlet中，還有一個(gè)地方設(shè)置輸出流的CharSet。通常在輸出結(jié)果前，調(diào)用HttpServletResponse的setContentType方法來(lái)達(dá)到與在JSP中設(shè)置一樣的效果，稱之為。

　　注意，文中一共提到了三個(gè)變量：、和。其中，JSP文件只與有關(guān)，而和只與Servlet有關(guān)。

　　看下例：

　　import javax.servlet.*;

　　import javax.servlet.http.*;

　　class testServlet extends HttpServlet

　　{

　　public void doGet(HttpServletRequest req,HttpServletResponse resp)

　　throws ServletException,java.io.IOException

　　{

　　resp.setContentType("text/html; charset=GB2312");

　　java.io.PrintWriter out=resp.getWriter();

　　out.println("

");

　　out.println("#中文#");

　　out.println("");

　　}

　　}

　　該文件也是用UltraEdit for Windows編寫的，其中的“中文”兩個(gè)字保存為“D6 D0 CE C4”(GB2312編碼)。

　　開始編譯。下表是不同時(shí)，CLASS文件中“中文”兩字的十六進(jìn)制碼。在編譯過(guò)程中，不起任何作用。只對(duì)CLASS文件的輸出產(chǎn)生影響，實(shí)際上是和一起，達(dá)到與JSP文件中的相同的效果，因?yàn)?jsp-charset>對(duì)編譯和CLASS文件的輸出都會(huì)產(chǎn)生影響。

　　表3　“中文”從Servlet源文件到Class的轉(zhuǎn)變過(guò)程

?

　　普通Java程序的編譯過(guò)程與Servlet完全一樣。

　　CLASS文件中的中文表示法是不是昭然若揭了?OK，接下來(lái)看看CLASS又是怎樣輸出中文的呢?

　　Class：輸出字符串

　　上文說(shuō)過(guò)，字符串在內(nèi)存中表現(xiàn)為Unicode編碼。至于這種Unicode編碼表示了什么，那要看它是從哪種字符集映射過(guò)來(lái)的，也就是說(shuō)要看它的祖先。這好比在托運(yùn)行李時(shí)，外觀都是紙箱子，里面裝了什么就要看寄郵件的人實(shí)際郵了什么東西。

　　看看上面的例子，如果給一串Unicode編碼“00D6 00D0 00CE 00C4”，如果不作轉(zhuǎn)換，直接用Unicode碼表來(lái)對(duì)照它時(shí)，是四個(gè)字符(而且是特殊字符);假如把它與“ISO8859-1”進(jìn)行映射，則直接去掉前面的“00”即可得到“D6 D0 CE C4”，這是ASCII碼表中的四個(gè)字符;而假如把它當(dāng)作GB2312來(lái)進(jìn)行映射，得到的結(jié)果很可能是一大堆亂碼，因?yàn)樵贕B2312中有可能沒(méi)有(也有可能有)字符與00D6等字符對(duì)應(yīng)(如果對(duì)應(yīng)不上，將得到0x3f，也就是問(wèn)號(hào)，如果對(duì)應(yīng)上了，由于00D6等字符太靠前，估計(jì)也是一些特殊符號(hào)，真正的漢字在Unicode中的編碼從4E00開始)。

　　各位看到了，同樣的Unicode字符，可以解釋成不同的樣子。當(dāng)然，這其中有一種是我們期望的結(jié)果。以上例而論，“D6 D0 CE C4”應(yīng)該是我們所想要的，當(dāng)把“D6 D0 CE C4”輸出到IE中時(shí)，用“簡(jiǎn)體中文”方式查看，就能看到清楚的“中文”兩個(gè)字了。(當(dāng)然了，如果你一定要用“西歐字符”來(lái)看，那也沒(méi)辦法，你將得不到任何有何時(shí)何地的東西)為什么呢?因?yàn)椤?0D6 00D0 00CE 00C4”本來(lái)就是由ISO8859-1轉(zhuǎn)化過(guò)去的。

　　給出如下結(jié)論：

　　在Class輸出字符串前，會(huì)將Unicode的字符串按照某一種內(nèi)碼重新生成字節(jié)流，然后把字節(jié)流輸入，相當(dāng)于進(jìn)行了一步“String.getBytes(???)”操作。???代表某一種字符集。

　　如果是Servlet，那么，這種內(nèi)碼就是在HttpServletResponse.setContentType()方法中指定的內(nèi)碼，也就是上文定義的。

　　如果是JSP，那么，這種內(nèi)碼就是在中指定的內(nèi)碼，也就是上文定義的。

　　如果是Java程序，那么，這種內(nèi)碼就是file.encoding中指定的內(nèi)碼，默認(rèn)為ISO8859-1。

　　當(dāng)輸出對(duì)象是瀏覽器時(shí)

　　以流行的瀏覽器IE為例。IE支持多種內(nèi)碼。假如IE接收到了一個(gè)字節(jié)流“D6 D0 CE C4”，你可以嘗試用各種內(nèi)碼去查看。你會(huì)發(fā)現(xiàn)用“簡(jiǎn)體中文”時(shí)能得到正確的結(jié)果。因?yàn)椤癉6 D0 CE C4”本來(lái)就是簡(jiǎn)體中文中“中文”兩個(gè)字的編碼。

　　OK，完整地看一遍。

　　JSP：源文件為GB2312格式的文本文件，且JSP源文件中有“中文”這兩個(gè)漢字

　　如果指定了為GB2312，轉(zhuǎn)化過(guò)程如下表。

　　表4　Jsp-charset = GB2312時(shí)的變化過(guò)程

?

　　如果指定了為ISO8859-1，轉(zhuǎn)化過(guò)程如下表。

　　表5　Jsp-charset = ISO8859-1時(shí)的變化過(guò)程

?

　　奇怪了!為什么把設(shè)成GB2312和ISO8859-1是一個(gè)樣的，都能正確顯示?因?yàn)楸?表5中的第2步和第5步互逆，是相互“抵消”的。只不過(guò)當(dāng)指定為ISO8859-1時(shí)，要增加第8步操作，殊為不便。

　　再看看不指定 時(shí)的情況。

　　表6　未指定Jsp-charset 時(shí)的變化過(guò)程

?

　　Servlet：源文件為JAVA文件，格式是GB2312，源文件中含有“中文”這兩個(gè)漢字

　　如果=GB2312，=GB2312

　　表7　Compile-charset=Servlet-charset=GB2312 時(shí)的變化過(guò)程

?

　　如果=ISO8859-1，=ISO8859-1

　　表8　Compile-charset=Servlet-charset=ISO8859-1時(shí)的變化過(guò)程

?

　　如果不指定Compile-charset或Servlet-charset，其默認(rèn)值均為ISO8859-1。

　　當(dāng)Compile-charset=Servlet-charset時(shí)，第2步和第4步能互逆，“抵消”，顯示結(jié)果均能正確。讀者可試著寫一下Compile-charsetServlet-charset時(shí)的情況，肯定是不正確的。

　　當(dāng)輸出對(duì)象是數(shù)據(jù)庫(kù)時(shí)

　　輸出到數(shù)據(jù)庫(kù)時(shí)，原理與輸出到瀏覽器也是一樣的。本節(jié)只是Servlet為例，JSP的情況請(qǐng)讀者自行推導(dǎo)。

　　假設(shè)有一個(gè)Servlet，它能接收來(lái)自客戶端(IE，簡(jiǎn)體中文)的漢字字符串，然后把它寫入到內(nèi)碼為ISO8859-1的數(shù)據(jù)庫(kù)中，然后再?gòu)臄?shù)據(jù)庫(kù)中取出這個(gè)字符串，顯示到客戶端。

　　表9　輸出對(duì)象是數(shù)據(jù)庫(kù)時(shí)的變化過(guò)程(1)

?

　　解釋一下，表中第4第5步和第15第16步是用紅色標(biāo)記的，表示要由編碼者來(lái)作轉(zhuǎn)換。第4、5兩步其實(shí)就是一句話：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16兩步也是一句話：“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛(ài)的讀者，你在這樣編寫代碼時(shí)是否意識(shí)到了其中的每一個(gè)細(xì)節(jié)呢?

　　至于客戶端內(nèi)碼和數(shù)據(jù)庫(kù)內(nèi)碼為其它值時(shí)的流程，和輸出對(duì)象是系統(tǒng)控制臺(tái)時(shí)的流程，請(qǐng)讀者自己想吧。明白了上述流程的原理，相信你可以輕松地寫出來(lái)。

　　行文至此，已可告一段落了。終點(diǎn)又回到了起點(diǎn)，對(duì)于編程者而言，幾乎是什么影響都沒(méi)有。

　　因?yàn)槲覀冊(cè)缇捅桓嬷@么做了。

　　以下給出一個(gè)結(jié)論，作為結(jié)尾。

　　1、 在Jsp文件中，要指定contentType，其中，charset的值要與客戶端瀏覽器所用的字符集一樣;對(duì)于其中的字符串常量，不需做任何內(nèi)碼轉(zhuǎn)換;對(duì)于字符串變量，要求能根據(jù)ContentType中指定的字符集還原成客戶端能識(shí)別的字節(jié)流，簡(jiǎn)單地說(shuō)，就是“字符串變量是基于字符集的”;

　　2、 在Servlet中，必須用HttpServletResponse.setContentType()設(shè)置charset，且設(shè)置成與客戶端內(nèi)碼一致;對(duì)于其中的字符串常量，需要在Javac編譯時(shí)指定encoding，這個(gè)encoding必須與編寫源文件的平臺(tái)的字符集一樣，一般說(shuō)來(lái)都是GB2312或GBK;對(duì)于字符串變量，與JSP一樣，必須“是基于字符集的”。

　　以上就是JSP中Servlet中文編碼詳細(xì)解析，想必都了解了吧，更多相關(guān)內(nèi)容請(qǐng)繼續(xù)關(guān)注錯(cuò)新技術(shù)頻道。