JSP中Servlet中文编码详细解析
今天小编给大家分享一篇JSP中Servlet中文编码详细解析，感兴趣的朋友跟小编一起来了解一下吧!
在JDK中，与中文相关的编码有：
表1 JDK中与中文相关的编码列表
| 编码名称 | 说明 |
| ASCII | 7位，与ascii7相同 |
| ISO8859-1 | 8-位，与 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同 |
| GB2312-80 | 16位，与gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同 |
| GBK | 与MS936相同，注意：区分大小写 |
| UTF8 | 与UTF-8相同 |
| GB18030 | 与cp1392、1392相同，目前支持的JDK很少 |
在实际编程时，接触得比较多的是GB2312(GBK)和ISO8859-1。
为什么会有“?”号
上文说过，异种语言之间的转换是通过Unicode来完成的。假设有两种不同的语言A和B，转换的步骤为：先把A转化为Unicode，再把Unicode转化为B。
举例说明。有GB2312中有一个汉字“李”，其编码为“C0EE”，欲转化为ISO8859-1编码。步骤为：先把“李”字转化为Unicode，得到“674E”，再把“674E”转化为ISO8859-1字符。当然，这个映射不会成功，因为ISO8859-1中根本就没有与“674E”对应的字符。
当映射不成功时，问题就发生了!当从某语言向Unicode转化时，如果在某语言中没有该字符，得到的将是Unicode的代码“\uffffd”(“\u”表示是Unicode编码，)。而从Unicode向某语言转化时，如果某语言没有对应的字符，则得到的是“0x3f”(“?”)。这就是“?”的由来。
例如：把字符流buf =“0x80 0x40 0xb0 0xa1”进行new String(buf, "gb2312")操作，得到的结果是“\ufffd\u554a”，再println出来，得到的结果将是“?啊”，因为“0x80 0x40”是GBK中的字符，在GB2312中没有。
再如，把字符串String="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"进行new String (buf.getBytes("GBK"))操作，得到的结果是“3fa8aca8a6463fa8b4”，其中，“\u00d6”在“GBK”中没有对应的字符，得到“3f”，“\u00ec”对应着“a8ac”，“\u00e9”对应着“a8a6”，“0046”对应着“46”(因为这是ASCII字符)，“\u00bb”没找到，得到“3f”，最后，“\u00f9”对应着“a8b4”。把这个字符串println一下，得到的结果是“?ìéF?ù”。看到没?这里并不全是问号，因为GBK与Unicode映射的内容中除了汉字外还有字符，本例就是最好的明证。
所以，在汉字转码时，如果发生错乱，得到的不一定都是问号噢!不过，错了终究是错了，50步和100步并没有质的差别。
或者会问：如果源字符集中有，而Unicode中没有，结果会如何?回答是不知道。因为我手头没有能做这个测试的源字符集。但有一点是肯定的，那就是源字符集不够规范。在Java中，如果发生这种情况，是会抛出异常的。
什么是UTF
UTF，是Unicode Text Format的缩写，意为Unicode文本格式。对于UTF，是这样定义的：
(1)如果Unicode的16位字符的头9位是0，则用一个字节表示，这个字节的首位是“0”，剩下的7位与原字符中的后7位相同，如“\u0034”(0000 0000 0011 0100)，用“34” (0011 0100)表示;(与源Unicode字符是相同的);
(2)如果Unicode的16位字符的头5位是0，则用2个字节表示，首字节是“110”开头，后面的5位与源字符中除去头5个零后的最高5位相同;第二个字节以“10”开头，后面的6位与源字符中的低6位相同。如“\u025d”(0000 0010 0101 1101)，转化后为“c99d”(1100 1001 1001 1101);
(3)如果不符合上述两个规则，则用三个字节表示。第一个字节以“1110”开头，后四位为源字符的高四位;第二个字节以“10”开头，后六位为源字符中间的六位;第三个字节以“10”开头，后六位为源字符的低六位;如“\u9da7”(1001 1101 1010 0111)，转化为“e9b6a7”(1110 1001 1011 0110 1010 0111);
可以这么描述JAVA程序中Unicode与UTF的关系，虽然不绝对：字符串在内存中运行时，表现为Unicode代码，而当要保存到文件或其它介质中去时，用的是UTF。这个转化过程是由writeUTF和readUTF来完成的。
好了，基础性的论述差不多了，下面进入正题。
先把这个问题想成是一个黑匣子。先看黑匣子的一级表示：
input(charsetA)->process(Unicode)->output(charsetB)
简单，这就是一个IPO模型，即输入、处理和输出。同样的内容要经过“从charsetA到unicode再到charsetB”的转化。
再看二级表示：
SourceFile(jsp,java)->class->output
在这个图中，可以看出，输入的是jsp和java源文件，在处理过程中，以Class文件为载体，然后输出。再细化到三级表示：
jsp->temp file->class->browser,os console,db
app,servlet->class->browser,os console,db
这个图就更明白了。Jsp文件先生成中间的Java文件，再生成Class。而Servlet和普通App则直接编译生成Class。然后，从Class再输出到浏览器、控制台或数据库等。
JSP：从源文件到Class的过程
Jsp的源文件是以“.jsp”结尾的文本文件。在本节中，将阐述JSP文件的解释和编译过程，并跟踪其中的中文变化。
1、JSP/Servlet引擎提供的JSP转换工具(jspc)搜索JSP文件中用"%>中指定的charset。如果在JSP文件中未指定
2、jspc用相当于“javac –encoding
3、引擎用相当于“javac –encoding UNICODE”的命令，把JAVA文件编译成CLASS文件;
先看一下这些过程中中文字符的转换情况。有如下源代码：
String a="中文";
out.println(a);
%>
这段代码是在UltraEdit for Windows上编写的。保存后，“中文”两个字的16进制编码为“D6 D0 CE C4”(GB2312编码)。经查表，“中文”两字的Unicode编码为“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打开引擎生成的由JSP文件转变而成的JAVA文件，发现其中的“中文”两个字确实被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件编译生成的CLASS文件，发现结果与JAVA文件中的完全一样。
再看JSP中指定的CharSet为ISO-8859-1的情况。
String a="中文";
out.println(a);
%>
同样，该文件是用UltraEdit编写的，“中文”这两个字也是存为GB2312编码“D6 D0 CE C4”。先模拟一下生成的JAVA文件和CLASS文件的过程：jspc用ISO-8859-1来解释“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁语系，其映射规则就是在每个字节前加“00”，所以，映射后的Unicode编码应为“\u00D6\u00D0\u00CE\u00C4”，转化成UTF后应该是“C3 96 C3 90 C3 8E C3 84”。好，打开文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示为“C3 96 C3 90 C3 8E C3 84”。
如果上述代码中不指定
到现在为止，已经解释了从JSP文件到CLASS文件的转变过程中中文字符的映射过程。一句话：从“JspCharSet到Unicode再到UTF”。下表总结了这个过程：
表2 “中文”从JSP到CLASS的转化过程
| Jsp-CharSet | JSP文件中 | JAVA文件中 | CLASS文件中 |
| GB2312 | D6 D0 CE C4(GB2312) | 从\u4E2D\u6587(Unicode)到E4 B8 AD E6 96 87 (UTF) | E4 B8 AD E6 96 87 (UTF) |
| ISO-8859-1 | D6 D0 CE C4 (GB2312) |
从\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF) | C3 96 C3 90 C3 8E C3 84 (UTF) |
| 无（默认＝file.encoding） | 同ISO-8859-1 | 同ISO-8859-1 | 同ISO-8859-1 |
下节先讨论Servlet从JAVA文件到CLASS文件的转化过程，然后再解释从CLASS文件如何输出到客户端。之所以这样安排，是因为JSP和Servlet在输出时处理方法是一样的。
Servlet：从源文件到Class的过程
Servlet源文件是以“.java”结尾的文本文件。本节将讨论Servlet的编译过程并跟踪其中的中文变化。
用“javac”编译Servlet源文件。javac可以带“-encoding
源文件在编译时，用
在Servlet中，还有一个地方设置输出流的CharSet。通常在输出结果前，调用HttpServletResponse的setContentType方法来达到与在JSP中设置
注意，文中一共提到了三个变量：
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("");
}
}
该文件也是用UltraEdit for Windows编写的，其中的“中文”两个字保存为“D6 D0 CE C4”(GB2312编码)。
开始编译。下表是
表3 “中文”从Servlet源文件到Class的转变过程
| Compile-charset | Servlet源文件中 | Class文件中 | 等效的Unicode码 |
| GB2312 | D6 D0 CE C4 (GB2312) |
E4 B8 AD E6 96 87 (UTF) | \u4E2D\u6587 (在Unicode中＝“中文”) |
| ISO-8859-1 | D6 D0 CE C4 (GB2312) |
C3 96 C3 90 C3 8E C3 84 (UTF) | \u00D6 \u00D0 \u00CE \u00C4 (在D6 D0 CE C4前面各加了一个00) |
| 无（默认） | D6 D0 CE C4 (GB2312) | 同ISO-8859-1 | 同ISO-8859-1 |
普通Java程序的编译过程与Servlet完全一样。
CLASS文件中的中文表示法是不是昭然若揭了?OK，接下来看看CLASS又是怎样输出中文的呢?
Class：输出字符串
上文说过，字符串在内存中表现为Unicode编码。至于这种Unicode编码表示了什么，那要看它是从哪种字符集映射过来的，也就是说要看它的祖先。这好比在托运行李时，外观都是纸箱子，里面装了什么就要看寄邮件的人实际邮了什么东西。
看看上面的例子，如果给一串Unicode编码“00D6 00D0 00CE 00C4”，如果不作转换，直接用Unicode码表来对照它时，是四个字符(而且是特殊字符);假如把它与“ISO8859-1”进行映射，则直接去掉前面的“00”即可得到“D6 D0 CE C4”，这是ASCII码表中的四个字符;而假如把它当作GB2312来进行映射，得到的结果很可能是一大堆乱码，因为在GB2312中有可能没有(也有可能有)字符与00D6等字符对应(如果对应不上，将得到0x3f，也就是问号，如果对应上了，由于00D6等字符太靠前，估计也是一些特殊符号，真正的汉字在Unicode中的编码从4E00开始)。
各位看到了，同样的Unicode字符，可以解释成不同的样子。当然，这其中有一种是我们期望的结果。以上例而论，“D6 D0 CE C4”应该是我们所想要的，当把“D6 D0 CE C4”输出到IE中时，用“简体中文”方式查看，就能看到清楚的“中文”两个字了。(当然了，如果你一定要用“西欧字符”来看，那也没办法，你将得不到任何有何时何地的东西)为什么呢?因为“00D6 00D0 00CE 00C4”本来就是由ISO8859-1转化过去的。
给出如下结论：
在Class输出字符串前，会将Unicode的字符串按照某一种内码重新生成字节流，然后把字节流输入，相当于进行了一步“String.getBytes(???)”操作。???代表某一种字符集。
如果是Servlet，那么，这种内码就是在HttpServletResponse.setContentType()方法中指定的内码，也就是上文定义的
如果是JSP，那么，这种内码就是在中指定的内码，也就是上文定义的
如果是Java程序，那么，这种内码就是file.encoding中指定的内码，默认为ISO8859-1。
当输出对象是浏览器时
以流行的浏览器IE为例。IE支持多种内码。假如IE接收到了一个字节流“D6 D0 CE C4”，你可以尝试用各种内码去查看。你会发现用“简体中文”时能得到正确的结果。因为“D6 D0 CE C4”本来就是简体中文中“中文”两个字的编码。
OK，完整地看一遍。
JSP：源文件为GB2312格式的文本文件，且JSP源文件中有“中文”这两个汉字
如果指定了
表4 Jsp-charset = GB2312时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写JSP源文件，且存为GB2312格式 | D6 D0 CE C4 （D6D0=中 CEC4=文） |
| 2 | jspc把JSP源文件转化为临时JAVA文件，并把字符串按照GB2312映射到Unicode，并用UTF格式写入JAVA文件中 | E4 B8 AD E6 96 87 |
| 3 | 把临时JAVA文件编译成CLASS文件 | E4 B8 AD E6 96 87 |
| 4 | 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 | 4E 2D 65 87（在Unicode中4E2D=中 6587=文） |
| 5 | 根据Jsp-charset=GB2312把Unicode转化为字节流 | D6 D0 CE C4 |
| 6 | 把字节流输出到IE中，并设置IE的编码为GB2312（作者按：这个信息隐藏在HTTP头中） | D6 D0 CE C4 |
| 7 | IE用“简体中文”查看结果 | “中文”（正确显示） |
如果指定了
表5 Jsp-charset = ISO8859-1时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写JSP源文件，且存为GB2312格式 | D6 D0 CE C4 （D6D0=中 CEC4=文） |
| 2 | jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中 | C3 96 C3 90 C3 8E C3 84 |
| 3 | 把临时JAVA文件编译成CLASS文件 | C3 96 C3 90 C3 8E C3 84 |
| 4 | 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 | 00 D6 00 D0 00 CE 00 C4 （啥都不是！！！） |
| 5 | 根据Jsp-charset=ISO8859-1把Unicode转化为字节流 | D6 D0 CE C4 |
| 6 | 把字节流输出到IE中，并设置IE的编码为ISO8859-1（作者按：这个信息隐藏在HTTP头中） | D6 D0 CE C4 |
| 7 | IE用“西欧字符”查看结果 | 乱码，其实是四个ASCII字符，但由于大于128，所以显示出来的怪模怪样 |
| 8 | 改变IE的页面编码为“简体中文” | “中文”（正确显示） |
奇怪了!为什么把
再看看不指定
表6 未指定Jsp-charset 时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写JSP源文件，且存为GB2312格式 | D6 D0 CE C4 （D6D0=中 CEC4=文） |
| 2 | jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中 | C3 96 C3 90 C3 8E C3 84 |
| 3 | 把临时JAVA文件编译成CLASS文件 | C3 96 C3 90 C3 8E C3 84 |
| 4 | 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 | 00 D6 00 D0 00 CE 00 C4 |
| 5 | 根据Jsp-charset=ISO8859-1把Unicode转化为字节流 | D6 D0 CE C4 |
| 6 | 把字节流输出到IE中 | D6 D0 CE C4 |
| 7 | IE用发出请求时的页面的编码查看结果 | 视情况而定。如果是简体中文，则能正确显示，否则，需执行表5中的第8步 |
Servlet：源文件为JAVA文件，格式是GB2312，源文件中含有“中文”这两个汉字
如果
表7 Compile-charset=Servlet-charset=GB2312 时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写Servlet源文件，且存为GB2312格式 | D6 D0 CE C4 （D6D0=中 CEC4=文） |
| 2 | 用javac –encoding GB2312把JAVA源文件编译成CLASS文件 | E4 B8 AD E6 96 87 （UTF） |
| 3 | 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 | 4E 2D 65 87 (Unicode) |
| 4 | 根据Servlet-charset=GB2312把Unicode转化为字节流 | D6 D0 CE C4 (GB2312) |
| 5 | 把字节流输出到IE中并设置IE的编码属性为Servlet-charset=GB2312 | D6 D0 CE C4 (GB2312) |
| 6 | IE用“简体中文”查看结果 | “中文”（正确显示） |
如果
表8 Compile-charset=Servlet-charset=ISO8859-1时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写Servlet源文件，且存为GB2312格式 | D6 D0 CE C4 （D6D0=中 CEC4=文） |
| 2 | 用javac –encoding ISO8859-1把JAVA源文件编译成CLASS文件 | C3 96 C3 90 C3 8E C3 84 （UTF） |
| 3 | 运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码 | 00 D6 00 D0 00 CE 00 C4 |
| 4 | 根据Servlet-charset=ISO8859-1把Unicode转化为字节流 | D6 D0 CE C4 |
| 5 | 把字节流输出到IE中并设置IE的编码属性为Servlet-charset=ISO8859-1 | D6 D0 CE C4 (GB2312) |
| 6 | IE用“西欧字符”查看结果 | 乱码（原因同表5） |
| 7 | 改变IE的页面编码为“简体中文” | “中文”（正确显示） |
如果不指定Compile-charset或Servlet-charset，其默认值均为ISO8859-1。
当Compile-charset=Servlet-charset时，第2步和第4步能互逆，“抵消”，显示结果均能正确。读者可试着写一下Compile-charsetServlet-charset时的情况，肯定是不正确的。
当输出对象是数据库时
输出到数据库时，原理与输出到浏览器也是一样的。本节只是Servlet为例，JSP的情况请读者自行推导。
假设有一个Servlet，它能接收来自客户端(IE，简体中文)的汉字字符串，然后把它写入到内码为ISO8859-1的数据库中，然后再从数据库中取出这个字符串，显示到客户端。
表9 输出对象是数据库时的变化过程(1)
| 序号 | 步骤说明 | 结果 | 域 |
| 1 | 在IE中输入“中文” | D6 D0 CE C4 | IE |
| 2 | IE把字符串转变成UTF，并送入传输流中 | E4 B8 AD E6 96 87 | |
| 3 | Servlet接收到输入流，用readUTF读取 | 4E 2D 65 87(unicode) | Servlet |
| 4 | 编程者在Servlet中必须把字符串根据GB2312还原为字节流 | D6 D0 CE C4 | |
| 5 | 编程者根据数据库内码ISO8859-1生成新的字符串 | 00 D6 00 D0 00 CE 00 C4 | |
| 6 | 把新生成的字符串提交给JDBC | 00 D6 00 D0 00 CE 00 C4 | |
| 7 | JDBC检测到数据库内码为ISO8859-1 | 00 D6 00 D0 00 CE 00 C4 | JDBC |
| 8 | JDBC把接收到的字符串按照ISO8859-1生成字节流 | D6 D0 CE C4 | |
| 9 | JDBC把字节流写入数据库中 | D6 D0 CE C4 | |
| 10 | 完成数据存储工作 | D6 D0 CE C4 数据库 | |
|
以下是从数据库中取出数的过程 |
|||
| 11 | JDBC从数据库中取出字节流 | D6 D0 CE C4 | JDBC |
| 12 | JDBC按照数据库的字符集ISO8859-1生成字符串，并提交给Servlet | 00 D6 00 D0 00 CE 00 C4 (Unicode) | |
| 13 | Servlet获得字符串 | 00 D6 00 D0 00 CE 00 C4 (Unicode) | Servlet |
| 14 | 编程者必须根据数据库的内码ISO8859-1还原成原始字节流 | D6 D0 CE C4 | |
| 15 | 编程者必须根据客户端字符集GB2312生成新的字符串 | 4E 2D 65 87 （Unicode） |
|
|
Servlet准备把字符串输出到客户端 |
|||
| 16 | Servlet根据＜Servlet-charset＞生成字节流 | D6D0 CE C4 | Servlet |
| 17 | Servlet把字节流输出到IE中，如果已指定＜Servlet-charset＞，还会设置IE的编码为＜Servlet-charset＞ | D6 D0 CE C4 | |
| 18 | IE根据指定的编码或默认编码查看结果 | “中文”（正确显示） | IE |
解释一下，表中第4第5步和第15第16步是用红色标记的，表示要由编码者来作转换。第4、5两步其实就是一句话：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16两步也是一句话：“new String(source.getBytes("ISO8859-1"), "GB2312")”。亲爱的读者，你在这样编写代码时是否意识到了其中的每一个细节呢?
至于客户端内码和数据库内码为其它值时的流程，和输出对象是系统控制台时的流程，请读者自己想吧。明白了上述流程的原理，相信你可以轻松地写出来。
行文至此，已可告一段落了。终点又回到了起点，对于编程者而言，几乎是什么影响都没有。
因为我们早就被告之要这么做了。
以下给出一个结论，作为结尾。
1、 在Jsp文件中，要指定contentType，其中，charset的值要与客户端浏览器所用的字符集一样;对于其中的字符串常量，不需做任何内码转换;对于字符串变量，要求能根据ContentType中指定的字符集还原成客户端能识别的字节流，简单地说，就是“字符串变量是基于
2、 在Servlet中，必须用HttpServletResponse.setContentType()设置charset，且设置成与客户端内码一致;对于其中的字符串常量，需要在Javac编译时指定encoding，这个encoding必须与编写源文件的平台的字符集一样，一般说来都是GB2312或GBK;对于字符串变量，与JSP一样，必须“是基于
以上就是JSP中Servlet中文编码详细解析，想必都了解了吧，更多相关内容请继续关注爱站技术频道。
上一篇：JSP中plugin的使用详解
下一篇：快速成为Java高手秘籍
