板橋里人 http://www.jdon.com 2005/06/29
Java中文問題一直困擾著很多初學(xué)者，如果了解了Java系統(tǒng)的中文問題原理，我們就可以對中文問題能夠采取根本的解決之道。
最古老的解決方案是使用String的字節(jié)碼轉(zhuǎn)換，這種方案問題是不方便，我們需要破壞對象封裝性，進(jìn)行字節(jié)碼轉(zhuǎn)換。
還有一種方式是對J2EE容器進(jìn)行編碼設(shè)置，如果J2EE應(yīng)用系統(tǒng)脫離該容器，則會(huì)發(fā)生亂碼，而且指定容器配置不符合J2EE應(yīng)用和容器分離的原則。
在Java內(nèi)部運(yùn)算中，涉及到的所有字符串都會(huì)被轉(zhuǎn)化為UTF-8編碼來進(jìn)行運(yùn)算。那么，在被Java轉(zhuǎn)化之前，字符串是什么樣的字符集？ Java總是根據(jù)操作系統(tǒng)的默認(rèn)編碼字符集來決定字符串的初始編碼，而且Java系統(tǒng)的輸入和輸出的都是采取操作系統(tǒng)的默認(rèn)編碼。
因此，如果能統(tǒng)一Java系統(tǒng)的輸入、輸出和操作系統(tǒng)3者的編碼字符集合，將能夠使Java系統(tǒng)正確處理和顯示漢字。這是處理Java系統(tǒng)漢字的一個(gè)原則，但是在實(shí)際項(xiàng)目中，能夠正確抓住和控制住Java系統(tǒng)的輸入和輸出部分是比較難的。J2EE中，由于涉及到外部瀏覽器和數(shù)據(jù)庫等，所以中文問題亂碼顯得非常突出。
J2EE應(yīng)用程序是運(yùn)行在J2EE容器中。在這個(gè)系統(tǒng)中，輸入途徑有很多種：一種是通過頁面表單打包成請求（request）發(fā)往服務(wù)器的；第二種是通過數(shù)據(jù)庫讀入；還有第3種輸入比較復(fù)雜，JSP在第一次運(yùn)行時(shí)總是被編譯成Servlet，JSP中常常包含中文字符，那么編譯使用javac時(shí)，Java將根據(jù)默認(rèn)的操作系統(tǒng)編碼作為初始編碼。除非特別指定，如在Jbuilder/eclipse中可以指定默認(rèn)的字符集。
輸出途徑也有幾種：第一種是JSP頁面的輸出。由于JSP頁面已經(jīng)被編譯成Servlet，那么在輸出時(shí)，也將根據(jù)操作系統(tǒng)的默認(rèn)編碼來選擇輸出編碼，除非指定輸出編碼方式；還有輸出途徑是數(shù)據(jù)庫，將字符串輸出到數(shù)據(jù)庫。
由此看來，一個(gè)J2EE系統(tǒng)的輸入輸出是非常復(fù)雜，而且是動(dòng)態(tài)變化的，而Java是跨平臺(tái)運(yùn)行的，在實(shí)際編譯和運(yùn)行中，都可能涉及到不同的操作系統(tǒng)，如果任由Java自由根據(jù)操作系統(tǒng)來決定輸入輸出的編碼字符集，這將不可控制地出現(xiàn)亂碼。
正是由于Java的跨平臺(tái)特性，使得字符集問題必須由具體系統(tǒng)來統(tǒng)一解決，所以在一個(gè)Java應(yīng)用系統(tǒng)中，解決中文亂碼的根本辦法是明確指定整個(gè)應(yīng)用系統(tǒng)統(tǒng)一字符集。
指定統(tǒng)一字符集時(shí)，到底是指定ISO8859_1 、GBK還是UTF-8呢？
（1）如統(tǒng)一指定為ISO8859_1，因?yàn)槟壳按蠖鄶?shù)軟件都是西方人編制的，他們默認(rèn)的字符集就是ISO8859_1，包括操作系統(tǒng)Linux和數(shù)據(jù)庫MySQL等。這樣，如果指定Jive統(tǒng)一編碼為ISO8859_1，那么就有下面3個(gè)環(huán)節(jié)必須把握：
開發(fā)和編譯代碼時(shí)指定字符集為ISO8859_1。
運(yùn)行操作系統(tǒng)的默認(rèn)編碼必須是ISO8859_1，如Linux。
在JSP頭部聲明：<%@ page contentType="text/html;charset=ISO8859_1" %>。
（2）如果統(tǒng)一指定為GBK中文字符集，上述3個(gè)環(huán)節(jié)同樣需要做到，不同的是只能運(yùn)行在默認(rèn)編碼為GBK的操作系統(tǒng)，如中文Windows。
統(tǒng)一編碼為ISO8859_1和GBK雖然帶來編制代碼的方便，但是各自只能在相應(yīng)的操作系統(tǒng)上運(yùn)行。但是也破壞了Java跨平臺(tái)運(yùn)行的優(yōu)越性，只在一定范圍內(nèi)行得通。例如，為了使得GBK編碼在linux上運(yùn)行，設(shè)置Linux編碼為GBK。
那么有沒有一種除了應(yīng)用系統(tǒng)以外不需要進(jìn)行任何附加設(shè)置的中文編碼根本解決方案呢？
將Java/J2EE系統(tǒng)的統(tǒng)一編碼定義為UTF-8。UTF-8編碼是一種兼容所有語言的編碼方式，惟一比較麻煩的就是要找到應(yīng)用系統(tǒng)的所有出入口，然后使用UTF-8去“結(jié)扎”它。
一個(gè)J2EE應(yīng)用系統(tǒng)需要做下列幾步工作：
- 開發(fā)和編譯代碼時(shí)指定字符集為UTF-8。JBuilder和Eclipse都可以在項(xiàng)目屬性中設(shè)置。
- 使用過濾器，如果所有請求都經(jīng)過一個(gè)Servlet控制分配器，那么使用Servlet的filter執(zhí)行語句，將所有來自瀏覽器的請求（request）轉(zhuǎn)換為UTF-8，因?yàn)闉g覽器發(fā)過來的請求包根據(jù)瀏覽器所在的操作系統(tǒng)編碼，可能是各種形式編碼。關(guān)鍵一句：
request.setCharacterEncoding("UTF-8")。
網(wǎng)上有此filter的源碼，Jdon框架源碼中com.jdon.util.SetCharacterEncodingFilter
需要配置web.xml 激活該Filter。
- 在JSP頭部聲明：<%@ page contentType="text/html;charset= UTF-8" %>。
- 在Jsp的html代碼中，聲明UTF-8:
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
- 設(shè)定數(shù)據(jù)庫連接方式是UTF-8。例如連接MYSQL時(shí)配置URL如下：
jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8
一般數(shù)據(jù)庫都可以通過管理設(shè)置設(shè)定UTF-8
- 其他和外界交互時(shí)能夠設(shè)定編碼時(shí)就設(shè)定UTF-8，例如讀取文件，操作XML等。
筆者以前在Jsp/Servlet時(shí)就采取這個(gè)原則，后來使用Struts、Tapestry、EJB、Hibernate、Jdon等框架時(shí)，從未被亂碼困擾過，可以說適合各種架構(gòu)。希望本方案供更多初學(xué)者分享，減少Java/J2EE的第一個(gè)攔路虎，也避免因?yàn)椴扇∫恍┡R時(shí)解決方案，導(dǎo)致中文問題一直出現(xiàn)在新的技術(shù)架構(gòu)中。