小方的Java博客

在一個Web應(yīng)用中經(jīng)常需要向服務(wù)器傳遞一些參數(shù)，一般通過form向服務(wù)器發(fā)送一個POST請求。在參數(shù)中有可能包含中文信息，如用戶信息登記、購物定單中的地址信息等等。參數(shù)字符串一般用本地字符集進行編碼，如中文采用GB2312或GBK字符集，英文或西歐文字采用ISO8859_1字符集，但在Java程序中一律采用Unicode處理字符串，這就需要有一個編碼轉(zhuǎn)換的過程。不幸的是，現(xiàn)有的大部分Java應(yīng)用服務(wù)器都是在英語國家開發(fā)出來的，由于缺乏大字符集（中文、日文、韓文等）的應(yīng)用環(huán)境，這些應(yīng)用服務(wù)器在處理HTTP請求參數(shù)時都存在一些中文處理的問題，也是最為困擾JSP和Servlet開發(fā)者的問題。 

產(chǎn)生這一問題的根本原因是在HTTP請求中缺乏足夠的信息來指明客戶端所使用的字符集。在一個JSP頁面中我們可以通過下面的偽指令來指明輸出頁面所使用的字符集： 



JSP引擎會將上面的偽指令轉(zhuǎn)換為HTTP應(yīng)答的頭部： 

Content-Type: text/html; charset=GB2312 

樣輸出的就是采用GB2312編碼的中文頁面，瀏覽器會正確地顯示出中文。但瀏覽器在將form的內(nèi)容POST到服務(wù)器時卻沒有包含charset，而且將中文內(nèi)容用%xx的形式（xx是十六進制數(shù)）進行編碼，例如漢字"中"的GB2312內(nèi)碼為0xD6D0，在HTTP請求中就變成了%D6%D0，根據(jù)RFC2616的規(guī)定，如果在HTTP請求中未指明字符集，就使用ISO8859_1編碼，這樣"中"字在處理時變成了兩個字符，分別為'u00D6'和'u00D0'，而返回到客戶端時變成了兩個不可顯示的字符，瀏覽器一般顯示成'??'。 

解決這一問題的傳統(tǒng)做法是編寫額外的代碼來完成字符集的轉(zhuǎn)換： 

strOut = new String(strIn.getBytes("8859_1"), "GB2312"); 

strIn是未經(jīng)過轉(zhuǎn)換的字符串，其編碼為ISO8859_1，strOut是經(jīng)過轉(zhuǎn)換的字符串，其編碼為GB2312。 

在Apusic 0.9.5版中實現(xiàn)了Java Servlets 2.3規(guī)范草案，其中在ServletRequest接口中新增了一個方法setCharacterEncoding(String enc)，可以補上在HTTP請求中缺少的charset信息，而上面這一煩瑣的轉(zhuǎn)換過程就在Servlet引擎中自動完成了，而且Servlet引擎還對轉(zhuǎn)換過程做了優(yōu)化，提高了運行效率。下面給出一個簡單的例子，大家可以做一下比較。