http://www.google.cn/search?complete=1&hl=zh-CN&newwindow=1&q=google&btnG=Google+%E6%90%9C%E7%B4%A2&meta=&aq=-1&oq=
complete
hlQ区?br />
newwindow
qQ查询关键字
btnG
meta
aq
oq
http://www.google.cn/search?会蟩转到http://www.google.cn/webhp面Q?br />
http://www.google.cn/search?q=123可以搜索，搞不懂；
]]>
HTTP URL (包含了用于查找某个资源的_的信?的格式如下：
http://host[":"port][abs_path]
http表示要通过HTTP协议来定位网l资源；host表示合法的InternetL域名或者IP地址Qport指定一个端口号QؓI则使用~省端口80Qabs_path指定h资源的URIQ如果URL中没有给出abs_pathQ那么当它作求URIӞ必须?#8220;/”的Ş式给出，通常q个工作览器自动帮我们完成?br /> http://www.microsoft.com/china/index.htm。它的含义如下：
1.http://Q代表超文本传输协议Q通知microsoft.com服务器显CWeb，通常不用输入Q?br /> 2.wwwQ代表一个Web(万维|?服务器；
3.Microsoft.com/Q这是装有网늚服务器的域名Q或站点服务器的名称Q?br /> 4.China/Qؓ该服务器上的子目录，好像我们的文g夹；
5.Index.htmQindex.htm是文件夹中的一个HTML文g(|页)?br /> 三，HTTP 工作原理
HTTP协议是基于请?响应范式?相当于客h/服务?。一个客h与服务器建立q接后，发送一个请求给服务器，h方式的格式ؓQ统一资源标识W?URL)、协议版本号Q后ҎMIME信息包括h修饰W、客h信息和可能的内容。服务器接到h后，l予相应的响应信息，其格式ؓ一个状态行Q包括信息的协议版本受一个成功或错误的代码，后边是MIME信息包括服务器信息、实体信息和可能的内宏V?br /> 许多HTTP通讯是由一个用户代理初始化的ƈ且包括一个申请在源服务器上资源的h。最单的情况可能是在用户代理和服务器之间通过一个单独的q接来完成。在Internet上，HTTP通讯通常发生在TCP/IPq接之上。缺省端口是TCP80Q但其它的端口也是可用的。但qƈ不预C着HTTP协议在Internet或其它网l的其它协协议之上才能完成。HTTP只预C着一个可靠的传输?br /> q个q程好像我们打电话订货一P我们可以打电话给商家Q告诉他我们需要什么规格的商品Q然后商家再告诉我们什么商品有货，什么商品缺货。这些，我们是通过电话U用电话联系(HTTP是通过TCP/IP)Q当然我们也可以通过传真Q只要商安边也有传真?br /> 四，HTTP hQ应{组?br /> http://www.cnpaf.net/Class/HTTP/0532918532641885.html
]]>
一Qjava中对字符的处?br />
getBytes(charset)Q这是java字符串处理的一个标准函敎ͼ其作用是字W串所表示的字W按照charset~码Qƈ以字节方式表C。注意字W串在java内存中L按unicode~码存储的。比?中文"Q正常情况下Q即没有错误的时候）存储?4e2d 6587"Q如果charset?gbk"Q则被编码ؓ"d6d0 cec4"Q然后返回字?d6 d0 ce c4"。如果charset?utf8"则最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1"Q则׃无法~码Q最后返?"3f 3f"Q两个问P?br />
new String(charset)Q?/span>q是java字符串处理的另一个标准函敎ͼ和上一个函数的作用相反Q将字节数组按照charset~码q行l合识别Q最后{换ؓunicode存储。参考上qgetBytes的例子，"gbk" ?utf8"都可以得出正的l果"4e2d 6587"Q但iso8859-1最后变成了"003f 003f"Q两个问P?/span>因ؓutf8可以用来表示/~码所有字W，所以new String( str.getBytes( "utf8" ), "utf8" ) == strQ即完全可逆?br />
setCharacterEncoding()Q?/span>该函数用来设|httph或者相应的~码?/span>对于requestQ是指提交内容的~码Q指定后可以通过getParameter()则直接获得正的字符Ԍ如果不指定，则默认用iso8859-1~码Q需要进一步处理。参见下q?表单输入"。值得注意的是在执行setCharacterEncoding()之前Q不能执行Q何getParameter()。java doc上说明：This method must be called prior to reading request parameters or reading input using getReader()。而且Q该指定只对POSTҎ有效Q对GETҎ无效。分析原因，应该是在执行W一个getParameter()的时候，java会按照~码分析所有的提交内容Q而后l的getParameter()不再q行分析Q所以setCharacterEncoding()无效。而对于GETҎ提交表单是，提交的内容在URL中，一开始就已经按照~码分析所有的提交内容QsetCharacterEncoding()自然无效?/span>对于responseQ则是指定输出内容的~码Q同Ӟ该设|会传递给览器，告诉览器输出内Ҏ采用的编码?br />
二，web开发中字符~码几处讄
对于web应用E序Q和~码有关的设|或者函数如下?br />
jsp~译Q?/span>指定文g的存储编码，很明显，该设|应该置于文件的开头。例如：<@pagepageEncoding="GBK"%>。另外，对于一般class文gQ可以在~译的时候指定编码?br />
jsp输出Q?/span>指定文g输出到browser是用的~码Q该讄也应该置于文件的开头。例如：<%@ page contentType="text/html; charset= GBK" %>。该讄和response.setCharacterEncoding("GBK"){效?br />
meta讄Q?/span>指定|页使用的编码，该设|对静态网尤其有作用。因为静态网|法采用jsp的设|，而且也无法执行response.setCharacterEncoding()。例如：<META http-equiv="Content-Type" content="text/html; charset=GBK" />Q?/span>如果同时采用了jsp输出和meta讄两种~码指定方式Q则jsp指定的优先。因为jsp指定的直接体现在response中?/span>需要注意的是，apache有一个设|可以给无编码指定的|页指定~码Q该指定{同于jsp的编码指定方式，所以会覆盖静态网中的meta指定。所以有人徏议关闭该讄?br />
form讄Q?/span>当浏览器提交表单的时候，可以指定相应的编码。例如：<form accept-charset= "gb2312">。一般不必不使用该设|，览器会直接使用|页的编码?br />
三，URL地址
URL地址中含有中文字W是很麻烦的Q前面描q过使用GETҎ提交表单的情况，使用GETҎӞ参数是包含在URL中?br />
URL~码Q对于URL中的一些特D字W，览器会自动q行~码。这些字W除?/?&"{外Q还包括unicode字符Q比如汉子。这时的~码比较Ҏ?br />
IE有一个选项"L使用UTF-8发送URL"Q当该选项有效ӞIE会对特D字W进行UTF-8~码Q同时进行URL~码。如果改选项无效Q则使用默认~码"GBK"Qƈ且不q行URL~码。但是，对于URL后面的参敎ͼ则L不进行编码，相当于UTF-8选项无效。比?中文.html?a=中文"Q当UTF-8选项有效Ӟ发送链?%e4%b8%ad%e6%96%87.html?a=\x4e\x2d\x65\x87"Q而UTF-8选项无效Ӟ发送链?\x4e\x2d\x65\x87.html?a=\x4e\x2d\x65\x87"。注意后者前面的"中文"两个字只?个字节，而前者却?8个字节，q主要时URL~码的原因?/span>当web serverQtomcatQ接收到该链接时Q将会进行URL解码Q即L"%"Q同时按照ISO8859-1~码Q上面已l描qͼ可以使用URLEncoding来设|成其它~码Q识别。上qC子的l果分别?\ue4\ub8\uad\ue6\u96\u87.html?a=\u4e\u2d\u65\u87"?\u4e\u2d\u65\u87.html?a=\u4e\u2d\u65\u87"Q注意前者前面的"中文"两个字恢复成?个字W。这里用"\u"Q表C是unicode?/span>所以，׃客户端设|的不同Q相同的链接Q在服务器上得到了不同结果。这个问题不h都遇刎ͼ却没有很好的解决办法。所以有的网站会用户试关闭UTF-8选项。不q，下面会描qC个更好的处理办法?br />
rewriteQ?/span>熟悉的h都知道，apache有一个功能强大的rewrite模块Q这里不描述其功能。需要说明的是该模块会自动将URL解码Q去?Q，卛_成上qweb serverQtomcatQ的部分功能。有相关文介绍说可以用[NE]参数来关闭该功能Q但我试验ƈ未成功，可能是因为版本（我用的是apache 2.0.54Q问题。另外，当参C含有"?& "{符L时候，该功能将Dpȝ得不到正常结果?/span>rewrite本ng完全是采用字节处理的方式Q而不考虑字符串的~码Q所以不会带来编码问题?br />
URLEncode.encode()Q?/span>q是Java本n提供对的URL~码函数Q完成的工作和上qUTF-8选项有效时浏览器所做的工作怼。值得说明的是Qjava已经不赞成不指定~码来用该ҎQdeprecatedQ。应该在使用的时候增加编码指定?/span>当不指定~码的时候，该方法用系l默认编码，q会D软gq行l果得不定。比如对?中文"Q当pȝ默认~码?gb2312"Ӟl果?%4e%2d%65%87"Q而默认编码ؓ"UTF-8"Q结果却?%e4%b8%ad%e6%96%87"Q后l程序将难以处理。另外，q儿说的pȝ默认~码是由q行tomcat时的环境变量LC_ALL和LANG{决定的Q曾l出现过tomcat重启后就出现q的问题，最后才郁闷的发现是因ؓ修改修改了这两个环境变量?/span>l一指定?UTF-8"~码Q可能需要修改相应的E序?br />
一个解x?br />
上面说vq，因ؓ览器设|的不同Q对于同一个链接，web server收到的是不同内容Q而Y件系l有无法知道q中间的区别Q所以这一协议目前q存在缺陗?br />
针对具体问题Q不应该侥幸认ؓ所有客LIE讄都是UTF-8有效的，也不应该_暴的徏议用户修改IE讄Q要知道Q用户不可能去记住每一个web server的设|。所以，接下来的解决办法只能是让自qE序多一Ҏ能：Ҏ内容来分析编码是否UTF-8?nbsp;
比较q运的是UTF-8~码相当有规律，所以可以通过分析传输q来的链接内容，来判断是否是正确的UTF-8字符Q如果是Q则以UTF-8处理之，如果不是Q则使用客户默认~码Q比?GBK"Q，下面是一个判断是否UTF-8的例子，如果你了解相应规律，容易理?/p>
int lLen=b.length,lCharCount=0;
for(int i=0;i<lLen && lCharCount<aMaxCount;++lCharCount){
byte lByte=b[i++];//to fast operation, ++ now, ready for the following for(;;)
if(lByte>=0) continue;//>=0 is normal ascii
if(lByte<(byte)0xc0 || lByte>(byte)0xf) return false;
int lCount=lByte>(byte)0xfc?5:lByte>(byte)0xf8?4
:lByte>(byte)0xf0?3:lByte>(byte)0xe0?2:1;
if(i+lCount>lLen) return false;
for(int j=0;j<lCount;++j,++i) if(b[i]>=(byte)0xc0) return false;
}
return true;
}
public static String getUrlParam(String aStr,String aDefaultCharset)
throws UnsupportedEncodingException{
if(aStr==null) return null;
byte[] lBytes=aStr.getBytes("ISO-8859-1");
return new String(lBytes,StringUtil.isValidUtf8(lBytes)?"utf8":aDefaultCharset);
}
没有包括对用户默认编码的识别Q这可以Ҏh信息的语a来判断，但不一定正，因ؓ我们有时候也会输入一些韩文，或者其他文字?br />
可能会错误判断UTF-8字符Q一个例子是"学习"两个字，其GBK~码? \xd1\xa7\xcf\xb0"Q如果用上qisValidUtf8Ҏ判断Q将q回true。可以考虑使用更严格的判断ҎQ不q估计效果不大?br />
有一个例子可以证明google也遇C上述问题Q而且也采用了和上q相似的处理ҎQ比如，如果在地址栏中输入"http://www.google.com/search?hl=zh-CN&newwindow=1&q=学习"Qgoogle无法正识别，而其他汉字一般能够正常识别?/span>最后，应该补充说明一下，如果不用rewrite规则Q或者通过表单提交数据Q其实ƈ不一定会遇到上述问题Q因时可以在提交数据时指定希望的~码。另外，中文文g名确实会带来问题Q应该}慎用?br />
四，qo?/span>
如果需要统一讄~码Q则通过filterq行讄是个不错的选择。在filter class中，可以l一为需要的h或者回应设|编码。参加上qsetCharacterEncoding()。这个类apache已经l出了可以直接用的例SetCharacterEncodingFilter?/span>
]]>