您现在的位置：&&&&&&&&&&&&文章内容
快捷导航：
JAVA中文字符编码问题详解
来源：考试大&&&【考试大：中国教育考试第一门户】&&&日
　　四、JSP读取request.getParameter里的中文参数后，在页面显示为乱码。
　　在JAVA的WEB应用中，对request对象里的parameters的中文处理一直是常见也最难搞的一只大怪兽。经常是刚搞定了这边，那边又出了乱 码。而导致这种复杂性的，主要是此过程中字符编解码次数非常多，而且无论是浏览器还是WEB服务器特别是TOMCAT总是不能给我们一个比较满意的支持。
　　首先我们来分析用GET方式上传参数的乱码情况。
　　例如我们在浏览器地址栏输入以下URL：http://localhost:8080/test/test.jsp?param=大家好
　　我们的JSP代码如此处理param这个参数：
　　&% String text = request.getParameter("param");& %&
　　&%=text%&
　　而就这么简单的两句代码，我们很有可能在页面上看到这样的乱码：?ó????
　　网上对处理request.getParamter中的乱码有很多文章和方法，也都是正确的，只是方法太多让人一直不明白到底是为什么。这里给大家分析一下到底是怎么一回事。
　　首先，我们来看看与request对象有哪些相关的编码设置：
　　1. JSP文件的字符编码
　　2. 请求这个带参数URL的源页面的字符编码
　　3. IE的高级设置中的选项“总以utf-8方式发送URL地址”
　　4. TOMCAT的server.xml中配置URIEncoding
　　5. 函数request.setCharacterEncoding()
　　6. JS的encodeURIComponent函数与JAVA的URLDecoder类
　　这么多条相关编码设置，也难怪大家被搞得头晕了。这里给大家根据各种情况给大家一一分析一下。见下表：
　　以上表格里的现象，除了指名在IE7上，其他全是在IE6上测试的结果。
　　由这个表我们可以看到，IE的“总以utf-8方式发送URL地址”设置并不影响对parameter的解析，而从页面请求URL和从地址栏输入URL居然也有不同的表现。
　　根据这个表列出的现象，大家只要用smartSniff抓几个网络包，并稍稍调查一下TOMCAT的源代码，就可以得出以下结论：
　　1. IE设置中的“总以utf-8方式发送URL地址”只对URL的PATH部分起作用，对查询字符串是不起作用的。也就是说，如果勾选了这个选项，那么类似http://localhost:8080/test/大家好.jsp?param=大家好这种URL，前一个“大家好”将被转化成utf-8形式，而后一个并没有变化。这里所说的utf-8形式，其实应该叫utf-8+escape形式，即%B4%F3%BC%D2%BA%C3这种形式。
　　那么，查询字符串中的中文字符，到底是用什么编码传送到服务器的呢？答案是系统默认编码，即GBK。也就是说，在我们中文操作系统上，传送给WEB服务器的查询字符串，总是以GBK来编码的。
　　2. 在页面中通过链接或location重定向或open新窗口的方式来请求一个URL，这个URL里面的中文字符是用什么编码的？答：是用该页面的编码类型。也就是说，如果我们从某个源JSP页面上的链接来访问http://localhost:8080/test/test.jsp?param=大家好这个URL，如果源JSP页面的编码是UTF-8，则大家好这几个字的编码就是UTF-8。
　　而在地址栏上直接输入URL地址，或者从系统剪贴板粘贴到地址栏上，这个输入并非从页面中发起的，而是由操作系统发起的，所以这个编码只可能是系统的默认 编码，与任何页面无关。我们还发现，在不同的浏览器上，用链接方式打开的页面，如果在地址栏上再敲个回车，显示的结果也会不同。IE上敲回车后显示不变 化，而傲游上可能就会有乱码或乱码消失的变化。说明IE上敲回车，实际发送的是之前记忆下来的内存中的URL，而傲游上发送的从当前地址栏重新获取的 URL。
　　3. TOMCAT的URIEncoding如果不加以设置，则默认使用ISO-8859-1来解码URL，设置后便用设置了的编码方式来解码。这个解码同时包 括PATH部分和查询字符串部分。可见，这个参数是对用GET方式传递的中文参数最关键的设置。不过，这个参数只对GET方式传递的参数有效，对POST 的无效。分析TOMCAT的源代码我们可以看到，在请求一个页面时，TOMCAT会尝试构造一个Request对象，在这个对象里，会从 Server.xml里读取URIEncoding的值，并赋值给Parameters类的queryStringEncoding变量，而这个变量将在 解析request.getParameter中的GET参数时用来指导字符解码。
　　4. request.setCharacterEncoding函数只对POST的参数有效，对GET的参数无效。且这个函数必须是在第一次调用 request.getParameter之前使用。这是因为Parameters类有两个字符编码参数，一个是encoding，另一个是 queryStringEncoding，而setCharacterEncoding设置的是encoding，这个是在解析POST的参数是才用到 的。
　　所以，这就导致了我们通常都要分开处理POST和GET的字符编码，用TOMCAT自带的filter只能处理POST的，另外要设置URIEncoding来设置GET的。这样很麻烦而且URIEncoding无法根据内容来动态区分编码，总还是一个问题。
　　在调查TOMCAT的代码时发现了另一个在server.xml里的参数useBodyEncodingForURI，可以解决这个问题。这个参数设成 true后，TOMCAT就会用request.setCharacterEncoding所设置的字符编码来同样解析GET参数了。这样，那个 SetCharacterEncodingFilter就可以同时处理GET和POST参数了。
　　知道了以上知识后，我们再来分析一下前面表格中列出的几个典型现象。
　　第一条，请求源页面的编码为UTF-8，而TOMCAT的URIEncoding未指定，则TOMCAT用ISO8859-1方式来解码参数，所以从request中读出来后，内存中存储的为错误的UNICODE数据，导致之后到屏幕显示的所有转换全部出错。
　　第九条，请求源页面编码为GBK，而TOMCAT的URIEncoding也为GBK，TOMCAT用GBK方式去解码原本用GBK编码的字符，解码正确，内存中的UNICODE值正确，最终显示正确的中文。
　　第十三条，请求源页面编码为UTF-8，TOMCAT的URIEncoding也为UTF-8，而在IE6中最终显示的中文字符，如果是奇数个数，则最后一个会显示为乱码。这是为什么呢？
　　我的猜测是，这是因为IE6将URL地址发送时，对查询字符串是直接对UTF-8格式的字符使用GBK来编码，而不是对UNICODE的字符来用GBK编 码，所以UTF-8的数据没有经过UNICODE而直接编码成了GBK。而到了TOMCAT这边，GBK的编码又被当成UTF-8做了解码。所以这个过程 中经过了UTF-8转换成GBK，然后又从GBK转换成UTF-8的过程，而这种转换，恰好就会出现奇数个中文字符串的最后一位为乱码的现象。而在IE7 中，估计把这种现象当做BUG已经被解决了，即在发送地址时会先转成UNICODE再编码成GBK。那么估计在IE7的浏览器+中文操作系统环境下，如果 我们把TOMCAT的URIEncoding设置成GBK，无论JSP编码成什么格式，都不会出现乱码。这个没测试，请大家自己验证。
　　其他几条就不再做分析了，有兴趣的大家自己分析。
　　五、对URL做Encode和Decode
　　对于request参数的中文乱码问题，个人觉得最好的还是用URLEncode/URLDecode，因为如果你的WEB站点要支持国际化，最好就是保证从IE递送过来的参数永远是正确的UTF-8编码。
　　在IE端，我们可以用JS脚本来对参数编码：encodeURIComponent()，编码后中文字符便变成了%B4%F3%BC%D2%BA%C3这 种形式。在JAVA端，可以用java.net.URLDecoder.decode来解码。不过这里要注意一个问题，就是TOMCAT会自动先对URL 做一次decode，我们可以在TOMCAT的UDecoder类中看到这一点。不过TOMCAT并非使用了URLDecoder.decode，而是自 己编写了一个decode函数。网上有些文章上介绍过一种处理乱码的方法便是在JS中对参数做两次encodeURIComponent，在JAVA中做 一次decode，可以解决一些没有设置URIEncoding时发生的乱码问题。不过个人觉得如果弄懂了整个字符编码转换的过程，基本上是用不到这种方 法的。
　　六、从数据库中读取中文字符数据，在页面上显示为乱码。
　　对于数据库中读取中文字符出现乱码的问题，本人遇到的还比较少，所以暂时没有总结。如果大家有类似的经验，欢迎补充说明，我一定注明作者身份。
　　好了，对各种字符乱码问题的分析就总结到这里，相信只要把握“以指定编码读取--转换为UNICODE--以指定编码输入”这基本步骤，初学者也可以很快 分析出字符乱码的根源所在。另外我建议不要随便使用new String(str.getBytes(enc1),enc2)这种方式来强行转码，也不要随便使用网上的字符转码函数，我觉得只会把问题隐藏更深更复 杂化。我们应该清晰地分析整个字符流的编解码过程，自然可以找出乱码的根源所在，从而保证整个字符流动中，在内存中的UNICODE始终是正确的。
来源:考试大-
责编:xxm&&&
模板不存在，请添加模板后再生成！E:\wwwroot\www_233_com\Templets\three\Templets\soft\small\cont_b_st.htm
暂无跟贴,欢迎您发表意见
考试大Java认证评论排行
1.&&评论4条
2.&&评论2条
3.&&评论2条
4.&&评论2条
5.&&评论1条
6.&&评论1条
12345678910
12345678910
123456SCJP考试题310-025(第二套)19-50/1477SCJP考试题310-025(第二套)51-91/147
12345678910关于记事本的一个很有意思的现象_百度知道
关于记事本的一个很有意思的现象
亲爱的朋友们，请你们按照下边的步骤操作一下，然后告诉我结果：右键新建一个TXT文本文档打开这个新建的TXT文件，写下“联通通联”4个字（不包括引号）保存文件，然后再重新打开请问你的记事本里写着什么？（将采纳最先答对的）不要告诉我是原来那4个字，本人亲自验证的，绝非原来的4个字
本来呢昨天晚上心情不错，提问了个有趣的问题，结果出了一件事让我很不高兴！昨天我收到了一条欺诈信息，说是【您好！感谢您使用百度服务。 您的回答可能违反了知道内容规范。 系统监测已进行封禁处理。 为了保障您的帐号能正常使用。 请点击 (为了防止你们不小心点击到，我就不写了) 解除封禁，为了保障您帐号的安全性。 请在24小时内完成验证】我查看了其源代码，是盗号网页：其源代码中含有【&li&&a href=&#&&/a&&/li&】语句，这是指向本页面的意思，而不是打开新链接！最可怕的是，该网址除了少数杀软之外，大部分杀软都把它评定为安全网址了！鉴别方法：1.该盗号网址中不含有“baidu”字样，不是百度官网！2.点击该该盗号网址中的“忘记密码”，没有出现修改密码的功能，更别提密保手机和服务电话了！3.当你填写的用户名和密码为空时，显示“%1 不是有效的win32位程序”，说明这个页面是带木马的。所以我连夜通知了那些无知的杀软，以及很多团队，就没来得及采纳你的答案。这样吧，给你再加50分。希望朋友能通知更多的团队，以防上当受骗！
提问者采纳
简单的说是微软的编码bug记事本都会用自动用UTF-8编码保存（而非ANSI）。“联”的UTF-8编码是54 80。记事本在保存文件时虽然添加了FF FE的文件头，但是没有把“联”保存为54 80而是用了6A 00。专业的讲法，这是一个字符编码应用的奇怪现象，讲的明白点，可以说是记事本开小差了！记事本为什么会犯错误？记事本犯了怎样的错误呢？也许你会迫不及待的想知道这些问题，如果是这样，我不会让你空腹而归的。 在简体中文操作系统中默认的本地字符集编码是GBK编码，除非你在保存记事本文本文件时候选择了其他编码方式，否则用记事本录入的字符信息将使用GBK编码进行储存。巧合的是，“联通”这两个字符的GBK编码具有UTF-8编码的特征，记事本犯下的错误正是将GBK编码存放的记录有“联通”两个字符的文件误认为UTF-8编码的文件。或许你会问，UTF-8编码的文件不是以“EF BB BF”三个特殊字节开头吗？既然这样，记事本怎么会犯这么低级的错误呢？没错，UTF-8编码规定使用UTF-8编码的文件以“EF BB BF”三个特殊字节开头，但并不是强制性要求，早期的UTF-8编码文件就不遵循这个规定。因此记事本不能依靠文件的开头字节判断一个文件是否是UTF-8编码，而只能对文件中的数据进行简单的编码分析来确定。正是这个原因，才有了字符编码应用中的这个奇怪又无法避免的现象。 [细节] 如果上面的解释对于你来说只是杯开胃红酒，那我还是块点把主食呈上吧，一份大峡谷香烤猪肋排。UTF-8编码采用1-3个字节对字符进行编码，编码字节数与字符的Unicode编码值有严格的对应关系，让我们回忆下UTF-8编码和Unicode的对应关系吧。 Unicode编码值 UTF-8编码结构 \u0001 - \u007E 0XXXXXXX \u0080 - \u07FF 和 \uXXXXX 10XXXXXX \u0800 - \uFFFF 1110XXXX 10XXXXXX 10XXXXXX “联通”这两个字符的GBK编码值是“C1 AA CD A8&，GBK编码方式使用两个字节对一个字符进行编码，因此以GBK编码方式存放的录有“联通”两个字符的文件的大小为四个字节。接下来分别观察“联通”这两个字符GBK编码值的二进制形式，你有发现有趣的事。 联 GBK 十六进制：C1 AA 二进制：10 1010 通 GBK 十六进制：C1 AA 二进制：10 1000 请注意上面二进制数据的着色部分，你想到了什么？对，它们和UTF-8编码结构中的补充位完全一致，UTF-8编码的补充位使得编码值更有规律，而记事本刚好凭借这个特征区分UTF-8编码的文件。存有“联通”两个字符的文件的所有数据都符合这个特征，就是这样，记事本彻底的将文件误认为UTF-8编码的文件。 将错就错，让我们来看看这个错误是怎样收场的。如果把“联通”的GBK编码值当作UTF-8编码值，那文件就成为一个写有数据“C1 AA CD A8”并以UTF-8编码的文件，当使用记事本再次打开的时候会看到什么呢？只要将UTF-8编码转换成Unicode编码就知道了。UTF-8编码“C1 AA CD A8”转换成Unicode编码后，编码值为“6A 00 68 03”（转换方法请参考本Blog中的《字符编码》一文）。0x006A这个Unicode编码值位于\u0001 - \u007E之间，若要转换为UTF-8编码，显然只能用一个字节进行编码，因此“联”的GBK编码“C1 AA”虽然特征上貌似UTF-8编码，但它却不对应任何一个UTF-8编码。接着看0x0368这个Unicode编码值，这个值对应了字符“ͨ”，这也正是我们将在记事本中看到的内容。或许你会说我看到的是一个黑色矩形啊，这只是字体的原因，你将字体改为宋体或者其他字体，看到的就是字符“ͨ”。 对于中文字符，UTF-8编码要用三个字节进行编码，因此，如果你使用记事本录入“联通”，然后选择以UTF-8编码方式保存的话，文件大小应为9个字节（包含三个字节的开头数据），而同样的文件GBK编码却是4个字节。最后附上“联通”的GBK、UTF-8、Unicode编码值，以及记事本的错误思维。 联通 GBK C1 AA CD A8 UTF-8 E8 81 94 E9 80 9A Unicode 54 80 1A 90 联通 GBK C1 AA CD A8 UTF-8 C1 AA CD A8 Unicode 6A 00 68 03 （将GBK值误认为UTF-8值的结果） 希望能帮到你，不知道你满意吗？
本来呢昨天晚上心情不错，提问了个有趣的问题，结果出了一件事让我很不高兴！追问写不开，写题目补充了。我给再加50分。希望朋友能通知更多的团队，以防上当受骗！
提问者评价
其他类似问题
为您推荐：
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁后使用快捷导航没有帐号？
只需一步，快速开始
查看: 2198|回复: 7
DW CS5出了超级奇怪问题，关于文件编码的，求教
UID534759在线时间 小时积分523帖子离线16676 天注册时间
高级会员, 积分 523, 距离下一级还需 477 积分
我用DW5打开CSS文件，用的GB2312编码（因为网站程序就是这个编码，没办法），可我把原来的代码删除，写几行代码，保存再重新打开，就发现编码变成UTF-8了，这不莫名其妙吗？我用记事本打开，改写代码，然后不保存成UTF-8的，再用DW打开，又变了……我直接从网站程序目录里下了一个GB2312编码的CSS，打开，没问题。在里面改两句代码，没问题，全选，替换成我之前写的代码，又变成UTF8，这是哪根筋搭错了？
我用CTRL+J改编码，提示说这里面有一些字符不支持，可能会变成问号，我确定，没有任何字符变成问号，看看代码：
#hot {
& & & & background: #FC6;
& & & & height: 150
& & & & margin: 0
& & & & width: 960
}复制代码
这代码有鸟毛病？
UID381636在线时间 小时积分16845帖子离线16676 天注册时间
可能有看不见的如全角空格的字符。
以前都先copy下，再转码，以确保安全。
UID534759在线时间 小时积分523帖子离线16676 天注册时间
高级会员, 积分 523, 距离下一级还需 477 积分
原帖由 [i]yoom 于
11:33 发表
可能有看不见的如全角空格的字符。
以前都先copy下，再转码，以确保安全。
下面这句什么意思？没看懂。
我各种方法都试过了，包括用记事本打开CSS，再在记事本里复制那个代码，粘贴到DW里，依然会变成UTF8
UID381636在线时间 小时积分16845帖子离线16676 天注册时间
有时候，DW提示转码可能会有问题是有道理的，因此稳妥的办法是先复制一份，转码后再粘贴保存。
防止乱码后，不可恢复的问题。
我咋没有遇到这个问题呢。也有最后的办法，找到一个gbk编码的文件，复制一个，然后DW打开，再粘贴你的内容，应该就没有问题了吧。
UID3771在线时间 小时积分12744帖子离线16676 天注册时间
Ctrl+U，新建文档——默认编码里设置成GB2312后，再试试。
UID534759在线时间 小时积分523帖子离线16676 天注册时间
高级会员, 积分 523, 距离下一级还需 477 积分
原帖由 [i]yoom 于
13:34 发表
有时候，DW提示转码可能会有问题是有道理的，因此稳妥的办法是先复制一份，转码后再粘贴保存。
防止乱码后，不可恢复的问题。
我咋没有遇到这个问题呢。也有最后的办法，找到一个gbk编码的文件，复制一个，然后 ...
我就是先弄一个GBK编码的CSS，然后我把里面的内容换成我的，然后就自动变成UTF8了。要不然我早解决这问题了……
UID534759在线时间 小时积分523帖子离线16676 天注册时间
高级会员, 积分 523, 距离下一级还需 477 积分
又沉了，拜托大家帮帮忙，很着急
UID400972在线时间 小时积分92帖子离线16676 天注册时间
初级会员, 积分 92, 距离下一级还需 108 积分
初步分析我认为可能是编码的问题，你手输入你的编码试一试看是否会被更改成utf-8，如果还是出现 看看其编码设置上更改为默认的编码为gb2312试一试 看是否会被改变（如果是在网上copy的注意其可能被转换的字体，试用记事本另存为ANSI编码）
Powered by