我要啦免费统计

          微藍領域

          我的學習檔案館
          posts - 19, comments - 57, trackbacks - 0, articles - 57
            BlogJava :: 首頁 :: 新隨筆 :: 聯系 :: 聚合  :: 管理

          深入剖析JSP和Servlet對中文的處理過程

          Posted on 2008-10-10 11:19 hilor 閱讀(360) 評論(0)  編輯  收藏 所屬分類: J2EE

          概述

           

          世界上的各地區都有本地的語言。地區差異直接導致了語言環境的差異。在開發一個國際化程序的過程中,處理語言問題就顯得很重要了。

          這是一個世界范圍內都存在的問題,所以,Java提供了世界性的解決方法。本文描述的方法是用于處理中文的,但是,推而廣之,對于處理世界上其它國家和地區的語言同樣適用。

          漢字是雙字節的。所謂雙字節是指一個雙字要占用兩個BYTE的位置(即16位),分別稱為高位和低位。中國規定的漢字編碼為GB2312,這是強制性的,目前幾乎所有的能處理中文的應用程序都支持GB2312。GB2312包括了一二級漢字和9區符號,高位從0xa10xfe,低位也是從0xa10xfe,其中,漢字的編碼范圍為0xb0a10xf7fe。

          另外有一種編碼,叫做GBK,但這是一份規范,不是強制的。GBK提供了20902個漢字,它兼容GB2312,編碼范圍為0x81400xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。

          在不久的將來,中國會頒布另一種標準:GB18030-2000GBK2K)。它收錄了藏、蒙等少數民族的字型,從根本上解決了字位不足的問題。注意:它不再是定長的。其二字節部份與GBK兼容,四字節部分是擴充的字符、字形。它的首字節和第三字節從0x810xfe,二字節和第四字節從0x300x39。

          本文不打算介紹Unicode,有興趣的可以瀏覽“http://www.unicode.org/”查看更多的信息。Unicode有一個特性:它包括了世界上所有的字符字形。所以,各個地區的語言都可以建立與Unicode的映射關系,而Java正是利用了這一點以達到異種語言之間的轉換。

          JDK中,與中文相關的編碼有:

          1 JDK中與中文相關的編碼列表

          編碼名稱

          說 明

          ASCII

          7位,與ascii7相同

          ISO8859-1

          8-位,與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同

          GB2312-80

          16位,與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同

          GBK

          MS936相同,注意:區分大小寫

          UTF8

          UTF-8相同

          GB18030

          cp1392、1392相同,目前支持的JDK很少

          在實際編程時,接觸得比較多的是GB2312GBK)和ISO8859-1。

           

          為什么會有“?”號

           

          上文說過,異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言AB,轉換的步驟為:先把A轉化為Unicode,再把Unicode轉化為B

          舉例說明。有GB2312中有一個漢字“李”,其編碼為“C0EE”,欲轉化為ISO8859-1編碼。步驟為:先把“李”字轉化為Unicode,得到“674E”,再把“674E”轉化為ISO8859-1字符。當然,這個映射不會成功,因為ISO8859-1中根本就沒有與“674E”對應的字符。

          當映射不成功時,問題就發生了!當從某語言向Unicode轉化時,如果在某語言中沒有該字符,得到的將是Unicode的代碼“\uffffd”(“\u”表示是Unicode編碼,)。而從Unicode向某語言轉化時,如果某語言沒有對應的字符,則得到的是“0x3f”(“?”)。這就是“?”的由來。

          例如:把字符流buf =0x80 0x40 0xb0 0xa1”進行new String(buf, "gb2312")操作,得到的結果是“\ufffd\u554a”,再println出來,得到的結果將是“?啊”,因為“0x80 0x40”是GBK中的字符,在GB2312中沒有。

          再如,把字符串String="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"進行new String (buf.getBytes("GBK"))操作,得到的結果是“3fa8aca8a6463fa8b4”,其中,“\u00d6”在“GBK”中沒有對應的字符,得到“3f”,“\u00ec”對應著“a8ac”,“\u00e9”對應著“a8a6”,“0046”對應著“46”(因為這是ASCII字符),“\u00bb”沒找到,得到“3f”,最后,“\u00f9”對應著“a8b4”。把這個字符串println一下,得到的結果是“?ìéF?ù”??吹經]?這里并不全是問號,因為GBKUnicode映射的內容中除了漢字外還有字符,本例就是最好的明證。

          所以,在漢字轉碼時,如果發生錯亂,得到的不一定都是問號噢!不過,錯了終究是錯了,50步和100步并沒有質的差別。

          或者會問:如果源字符集中有,而Unicode中沒有,結果會如何?回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的,那就是源字符集不夠規范。在Java中,如果發生這種情況,是會拋出異常的。

           

          什么是UTF

           

          UTF,是Unicode Text Format的縮寫,意為Unicode文本格式。對于UTF,是這樣定義的:

          1)如果Unicode16位字符的頭9位是0,則用一個字節表示,這個字節的首位是“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Unicode16位字符的頭5位是0,則用2個字節表示,首字節是“110”開頭,后面的5位與源字符中除去頭5個零后的最高5位相同;第二個字節以“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),轉化后為“c99d”(1100 1001 1001 1101);

          3)如果不符合上述兩個規則,則用三個字節表示。第一個字節以“1110”開頭,后四位為源字符的高四位;第二個字節以“10”開頭,后六位為源字符中間的六位;第三個字節以“10”開頭,后六位為源字符的低六位;如“\u9da7”(1001 1101 1010 0111),轉化為“e9b6a7”(1110 1001 1011 0110 1010 0111);

          可以這么描述JAVA程序中UnicodeUTF的關系,雖然不絕對:字符串在內存中運行時,表現為Unicode代碼,而當要保存到文件或其它介質中去時,用的是UTF。這個轉化過程是由writeUTFreadUTF來完成的。

           

          好了,基礎性的論述差不多了,下面進入正題。

           

          先把這個問題想成是一個黑匣子。先看黑匣子的一級表示:

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

          簡單,這就是一個IPO模型,即輸入、處理和輸出。同樣的內容要經過“從charsetAunicode再到charsetB”的轉化。

          再看二級表示:

             SourceFile(jsp,java)->class->output

          在這個圖中,可以看出,輸入的是jspjava源文件,在處理過程中,以Class文件為載體,然后輸出。再細化到三級表示:

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

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

           

          這個圖就更明白了。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、控制臺或數據庫等。

           

          JSP:從源文件到Class的過程

           

          Jsp的源文件是以“.jsp”結尾的文本文件。在本節中,將闡述JSP文件的解釋和編譯過程,并跟蹤其中的中文變化。

          1、JSP/Servlet引擎提供的JSP轉換工具(jspc)搜索JSP文件中用<%@ page contentType ="text/html; charset=<Jsp-charset>"%>中指定的charset。如果在JSP文件中未指定<Jsp-charset>,則取JVM中的默認設置file.encoding,一般情況下,這個值是ISO8859-1;

          2jspc用相當于“javac –encoding <Jsp-charset>”的命令解釋JSP文件中出現的所有字符,包括中文字符和ASCII字符,然后把這些字符轉換成Unicode字符,再轉化成UTF格式,存為JAVA文件。ASCII碼字符轉化為Unicode字符時只是簡單地在前面加“00”,如“A”,轉化為“\u0041”(不需要理由,Unicode的碼表就是這么編的)。然后,經過到UTF的轉換,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、引擎用相當于“javac –encoding UNICODE”的命令,把JAVA文件編譯成CLASS文件;

          先看一下這些過程中中文字符的轉換情況。有如下源代碼:

          <%@ page contentType="text/html; charset=gb2312"%>

          <html><body>

          <%

            String a="中文";

            out.println(a);

          %>

          </body></html>

          這段代碼是在UltraEdit for Windows上編寫的。保存后,“中文”兩個字的16進制編碼為“D6 D0 CE C4”(GB2312編碼)。經查表,“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文件轉變而成的JAVA文件,發現其中的“中文”兩個字確實被“E4 B8 AD E6 96 87”替代了,再查看由JAVA文件編譯生成的CLASS文件,發現結果與JAVA文件中的完全一樣。

          再看JSP中指定的CharSetISO-8859-1的情況。

          <%@ page contentType="text/html; charset=ISO-8859-1"%>

          <html><body>

          <%

            String a="中文";

            out.println(a);

          %>

          </body></html>

          同樣,該文件是用UltraEdit編寫的,“中文”這兩個字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的JAVA文件和CLASS文件的過程:jspcISO-8859-1來解釋“中文”,并把它映射到Unicode。由于ISO-8859-18位的,且是拉丁語系,其映射規則就是在每個字節前加“00”,所以,映射后的Unicode編碼應為“\u00D6\u00D0\u00CE\u00C4”,轉化成UTF后應該是“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<Jsp-charset>,即把第一行寫成“<%@ page contentType="text/html" %>”,JSPC會使用file.encoding的設置來解釋JSP文件。在RedHat 6.2上,其處理結果與指定為ISO-8859-1是完全相同的。

          到現在為止,已經解釋了從JSP文件到CLASS文件的轉變過程中中文字符的映射過程。一句話:從“JspCharSetUnicode再到UTF”。下表總結了這個過程:

          2 “中文”從JSP到CLASS的轉化過程

          Jsp-CharSet

          JSP文件中

          JAVA文件中

          CLASS文件中

          GB2312

          D6 D0 CE C4

          (GB2312)

          \u4E2D\u6587(Unicode)

          E4 B8 AD E6 96 87 (UTF)

          E4 B8 AD E6 96 87 (UTF)

          ISO-8859-1

          D6 D0 CE C4

          (GB2312)

          \u00D6\u00D0\u00CE\u00C4 (Unicode)C3 96 C3 90 C3 8E C3 84 (UTF)

          C3 96 C3 90 C3 8E C3 84 (UTF)

          無(默認=file.encoding

          ISO-8859-1

          ISO-8859-1

          ISO-8859-1

           

          下節先討論ServletJAVA文件到CLASS文件的轉化過程,然后再解釋從CLASS文件如何輸出到客戶端。之所以這樣安排,是因為JSPServlet在輸出時處理方法是一樣的。

           

          Servlet:從源文件到Class的過程

           

          Servlet源文件是以“.java”結尾的文本文件。本節將討論Servlet的編譯過程并跟蹤其中的中文變化。

          用“javac”編譯Servlet源文件。javac可以帶“-encoding <Compile-charset>”參數,意思是“用< Compile-charset >中指定的編碼來解釋Serlvet源文件”。

          源文件在編譯時,用<Compile-charset>來解釋所有字符,包括中文字符和ASCII字符。然后把字符常量轉變成Unicode字符,最后,把Unicode轉變成UTF。

          Servlet中,還有一個地方設置輸出流的CharSet。通常在輸出結果前,調用HttpServletResponsesetContentType方法來達到與在JSP中設置<Jsp-charset>一樣的效果,稱之為<Servlet-charset>

          注意,文中一共提到了三個變量:<Jsp-charset>、<Compile-charset><Servlet-charset>。其中,JSP文件只與<Jsp-charset>有關,而<Compile-charset><Servlet-charset>只與Servlet有關。

          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("<html>");

                        out.println("#中文#");

                        out.println("</html>");

                 }

          }

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

          開始編譯。下表是<Compile-charset>不同時,CLASS文件中“中文”兩字的十六進制碼。在編譯過程中,<Servlet-charset>不起任何作用。<Servlet-charset>只對CLASS文件的輸出產生影響,實際上是<Servlet-charset><Compile-charset>一起,達到與JSP文件中的<Jsp-charset>相同的效果,因為<Jsp-charset>對編譯和CLASS文件的輸出都會產生影響。

          3 “中文”從Servlet源文件到Class的轉變過程

          Compile-charset

          Servlet源文件中

          Class文件中

          等效的Unicode

          GB2312

          D6 D0 CE C4

          (GB2312)

          E4 B8 AD E6 96 87 (UTF)

          \u4E2D\u6587 (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 (D6 D0 CE C4前面各加了一個00)

          無(默認)

          D6 D0 CE C4

          (GB2312)

          ISO-8859-1

          ISO-8859-1

           

          普通Java程序的編譯過程與Servlet完全一樣

           

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

           

          Class:輸出字符串

           

          上文說過,字符串在內存中表現為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來的,也就是說要看它的祖先。這好比在托運行李時,外觀都是紙箱子,里面裝了什么就要看寄郵件的人實際郵了什么東西。

          看看上面的例子,如果給一串Unicode編碼“00D6 00D0 00CE 00C4”,如果不作轉換,直接用Unicode碼表來對照它時,是四個字符(而且是特殊字符);假如把它與“ISO8859-1”進行映射,則直接去掉前面的“00”即可得到“D6 D0 CE C4”,這是ASCII碼表中的四個字符;而假如把它當作GB2312來進行映射,得到的結果很可能是一大堆亂碼,因為在GB2312中有可能沒有(也有可能有)字符與00D6等字符對應(如果對應不上,將得到0x3f,也就是問號,如果對應上了,由于00D6等字符太靠前,估計也是一些特殊符號,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。當然,這其中有一種是我們期望的結果。以上例而論,“D6 D0 CE C4”應該是我們所想要的,當把“D6 D0 CE C4”輸出到IE中時,用“簡體中文”方式查看,就能看到清楚的“中文”兩個字了。(當然了,如果你一定要用“西歐字符”來看,那也沒辦法,你將得不到任何有何時何地的東西)為什么呢?因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉化過去的。

          給出如下結論:

          Class輸出字符串前,會將Unicode的字符串按照某一種內碼重新生成字節流,然后把字節流輸入,相當于進行了一步“String.getBytes(???)”操作。???代表某一種字符集。

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

          如果是JSP,那么,這種內碼就是在<%@ page contentType=""%>中指定的內碼,也就是上文定義的<Jsp-charset>。

          如果是Java程序,那么,這種內碼就是file.encoding中指定的內碼,默認為ISO8859-1。

          當輸出對象是瀏覽器時

          以流行的瀏覽器IE為例。IE支持多種內碼。假如IE接收到了一個字節流“D6 D0 CE C4”,你可以嘗試用各種內碼去查看。你會發現用“簡體中文”時能得到正確的結果。因為“D6 D0 CE C4”本來就是簡體中文中“中文”兩個字的編碼。

          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”這兩個漢字

           

          如果指定了<Jsp-charset>GB2312,轉化過程如下表。

          4 Jsp-charset = GB2312時的變化過程

          序號

          步驟說明

          結果

          1

          編寫JSP源文件,且存為GB2312格式

          D6 D0 CE C4

          D6D0= CEC4=文)

          2

          jspcJSP源文件轉化為臨時JAVA文件,并把字符串按照GB2312映射到Unicode,并用UTF格式寫入JAVA文件中

          E4 B8 AD E6 96 87

          3

          把臨時JAVA文件編譯成CLASS文件

          E4 B8 AD E6 96 87

          4

          運行時,先從CLASS文件中用readUTF讀出字符串,在內存中的是Unicode編碼

          4E 2D 65 87(在Unicode4E2D= 6587=文)

          5

          根據Jsp-charset=GB2312Unicode轉化為字節流

          D6 D0 CE C4

          6

          把字節流輸出到IE中,并設置IE的編碼為GB2312(作者按:這個信息隱藏在HTTP頭中)

          D6 D0 CE C4

          7

          IE用“簡體中文”查看結果

          “中文”(正確顯示)

           

          如果指定了<Jsp-charset>ISO8859-1,轉化過程如下表。

          5 Jsp-charset = ISO8859-1時的變化過程

          序號

          步驟說明

          結果

          1

          編寫JSP源文件,且存為GB2312格式

          D6 D0 CE C4

          D6D0= CEC4=文)

          2

          jspcJSP源文件轉化為臨時JAVA文件,并把字符串按照ISO8859-1映射到Unicode,并用UTF格式寫入JAVA文件中

          C3 96 C3 90 C3 8E C3 84

          3

          把臨時JAVA文件編譯成CLASS文件

          C3 96 C3 90 C3 8E C3 84

          4

          運行時,先從CLASS文件中用readUTF讀出字符串,在內存中的是Unicode編碼

          00 D6 00 D0 00 CE 00 C4

          (啥都不是?。。。?/span>

          5

          根據Jsp-charset=ISO8859-1Unicode轉化為字節流

          D6 D0 CE C4

          6

          把字節流輸出到IE中,并設置IE的編碼為ISO8859-1(作者按:這個信息隱藏在HTTP頭中)

          D6 D0 CE C4

          7

          IE用“西歐字符”查看結果

          亂碼,其實是四個ASCII字符,但由于大于128,所以顯示出來的怪模怪樣

          8

          改變IE的頁面編碼為“簡體中文”

          “中文”(正確顯示)

           

          奇怪了!為什么把<Jsp-charset>設成GB2312ISO8859-1是一個樣的,都能正確顯示?因為表45中的第2步和第5步互逆,是相互“抵消”的。只不過當指定為ISO8859-1時,要增加第8步操作,殊為不便。

          再看看不指定<Jsp-charset> 時的情況。

          6 未指定Jsp-charset 時的變化過程

          序號

          步驟說明

          結果

          1

          編寫JSP源文件,且存為GB2312格式

          D6 D0 CE C4

          D6D0= CEC4=文)

          2

          jspcJSP源文件轉化為臨時JAVA文件,并把字符串按照ISO8859-1映射到Unicode,并用UTF格式寫入JAVA文件中

          C3 96 C3 90 C3 8E C3 84

          3

          把臨時JAVA文件編譯成CLASS文件

          C3 96 C3 90 C3 8E C3 84

          4

          運行時,先從CLASS文件中用readUTF讀出字符串,在內存中的是Unicode編碼

          00 D6 00 D0 00 CE 00 C4

          (啥都不是!?。。?/span>

          5

          根據Jsp-charset=ISO8859-1Unicode轉化為字節流

          D6 D0 CE C4

          6

          把字節流輸出到IE

          D6 D0 CE C4

          7

          IE用發出請求時的頁面的編碼查看結果

          視情況而定。如果是簡體中文,則能正確顯示,否則,需執行表5中的第8

           

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

           

          如果<Compile-charset>GB2312,<Servlet-charset>=GB2312

          7 Compile-charset=Servlet-charset=GB2312 時的變化過程

          序號

          步驟說明

          結果

          1

          編寫Servlet源文件,且存為GB2312格式

          D6 D0 CE C4

          D6D0= CEC4=文)

          2

          javac –encoding GB2312JAVA源文件編譯成CLASS文件

          E4 B8 AD E6 96 87UTF

          3

          運行時,先從CLASS文件中用readUTF讀出字符串,在內存中的是Unicode編碼

          4E 2D 65 87 (Unicode)

          4

          根據Servlet-charset=GB2312Unicode轉化為字節流

          D6 D0 CE C4 (GB2312)

          5

          把字節流輸出到IE中并設置IE的編碼屬性為Servlet-charset=GB2312

          D6 D0 CE C4 (GB2312)

          6

          IE用“簡體中文”查看結果

          “中文”(正確顯示)

           

          如果<Compile-charset>ISO8859-1,<Servlet-charset>=ISO8859-1

          8 Compile-charset=Servlet-charset=ISO8859-1時的變化過程

          序號

          步驟說明

          結果

          1

          編寫Servlet源文件,且存為GB2312格式

          D6 D0 CE C4

          D6D0= CEC4=文)

          2

          javac –encoding ISO8859-1JAVA源文件編譯成CLASS文件

          C3 96 C3 90 C3 8E C3 84UTF

          3

          運行時,先從CLASS文件中用readUTF讀出字符串,在內存中的是Unicode編碼

          00 D6 00 D0 00 CE 00 C4

          (啥都不是!!!)

          4

          根據Servlet-charset=ISO8859-1Unicode轉化為字節流

          D6 D0 CE C4

          5

          把字節流輸出到IE中并設置IE的編碼屬性為Servlet-charset=ISO8859-1

          D6 D0 CE C4 (GB2312)

          6

          IE用“西歐字符”查看結果

          亂碼(原因同表5

          7

          改變IE的頁面編碼為“簡體中文”

          “中文”(正確顯示)

           

          如果不指定Compile-charsetServlet-charset,其默認值均為ISO8859-1

           

          Compile-charset=Servlet-charset時,第2步和第4步能互逆,“抵消”,顯示結果均能正確。讀者可試著寫一下Compile-charset<>Servlet-charset時的情況,肯定是不正確的。

           

          當輸出對象是數據庫時

          輸出到數據庫時,原理與輸出到瀏覽器也是一樣的。本節只是Servlet為例,JSP的情況請讀者自行推導。

          假設有一個Servlet,它能接收來自客戶端(IE,簡體中文)的漢字字符串,然后把它寫入到內碼為ISO8859-1的數據庫中,然后再從數據庫中取出這個字符串,顯示到客戶端。

          9 輸出對象是數據庫時的變化過程(1)

          序號

          步驟說明

          結果

          1

          IE中輸入“中文”

          D6 D0 CE C4

          IE

          2

          IE把字符串轉變成UTF,并送入傳輸流中

          E4 B8 AD E6 96 87

          3

          Servlet接收到輸入流,用readUTF讀取

          4E 2D 65 87(unicode)

          Servlet

          4

          編程者在Servlet中必須把字符串根據GB2312還原為字節流

          D6 D0 CE C4

          5

          編程者根據數據庫內碼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給JDBC

          00 D6 00 D0 00 CE 00 C4

          7

          JDBC檢測到數據庫內碼為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生成字節流

          D6 D0 CE C4

          9

          JDBC把字節流寫入數據庫中

          D6 D0 CE C4

          10

          完成數據存儲工作

          D6 D0 CE C4

          數據庫

          以下是從數據庫中取出數的過程

          11

          JDBC從數據庫中取出字節流

          D6 D0 CE C4

          JDBC

          12

          JDBC按照數據庫的字符集ISO8859-1生成字符串,并提交給Servlet

          00 D6 00 D0 00 CE 00 C4 (Unicode)

          13

          Servlet獲得字符串

          00 D6 00 D0 00 CE 00 C4 (Unicode)

          Servlet

          15

          編程者必須根據數據庫的內碼ISO8859-1還原成原始字節流

          D6 D0 CE C4

          16

          編程者必須根據客戶端字符集GB2312生成新的字符串

          4E 2D 65 87

          Unicode

          Servlet準備把字符串輸出到客戶端

          17

          Servlet根據<Servlet-charset>生成字節流

          D6 D0 CE C4

          Servlet

          18

          Servlet把字節流輸出到IE中,如果已指定<Servlet-charset>,還會設置IE的編碼為<Servlet-charset>

          D6 D0 CE C4

          19

          IE根據指定的編碼或默認編碼查看結果

          “中文”(正確顯示)

          IE

          解釋一下,表中第45步和第1516步是用紅色標記的,表示要由編碼者來作轉換。第4、5兩步其實就是一句話:“new String(source.getBytes("GB2312"), "ISO8859-1")”。第1516兩步也是一句話:“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛的讀者,你在這樣編寫代碼時是否意識到了其中的每一個細節呢?

           

          至于客戶端內碼和數據庫內碼為其它值時的流程,和輸出對象是系統控制臺時的流程,請讀者自己想吧。明白了上述流程的原理,相信你可以輕松地寫出來。

           

          行文至此,已可告一段落了。終點又回到了起點,對于編程者而言,幾乎是什么影響都沒有。

          因為我們早就被告之要這么做了。

           

          以下給出一個結論,作為結尾。

          1、  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;對于其中的字符串常量,不需做任何內碼轉換;對于字符串變量,要求能根據ContentType中指定的字符集還原成客戶端能識別的字節流,簡單地說,就是“字符串變量是基于<Jsp-charset>字符集的”;

          2、  Servlet中,必須用HttpServletResponse.setContentType()設置charset,且設置成與客戶端內碼一致;對于其中的字符串常量,需要在Javac編譯時指定encoding,這個encoding必須與編寫源文件的平臺的字符集一樣,一般說來都是GB2312GBK;對于字符串變量,與JSP一樣,必須“是基于<Servlet-charset>字符集的”。

           

          其實我什么都沒做。

          主站蜘蛛池模板: 开远市| 朝阳市| 伊川县| 佛冈县| 新竹县| 河东区| 巴东县| 莱芜市| 光泽县| 永定县| 隆安县| 宁明县| 宁远县| 乌拉特中旗| 汕尾市| 南阳市| 鄄城县| 时尚| 江津市| 浦县| 承德市| 富宁县| 永济市| 开江县| 察哈| 湖北省| 九龙县| 通道| 铁岭县| 淮南市| 河源市| 都匀市| 峨边| 镇沅| 大石桥市| 饶阳县| 漯河市| 柘荣县| 宣城市| 洪泽县| 三河市|