小方的Java博客

在一個Web應用中經常需要向服務器傳遞一些參數，一般通過form向服務器發送一個POST請求。在參數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換的過程。不幸的是，現有的大部分Java應用服務器都是在英語國家開發出來的，由于缺乏大字符集（中文、日文、韓文等）的應用環境，這些應用服務器在處理HTTP請求參數時都存在一些中文處理的問題，也是最為困擾JSP和Servlet開發者的問題。 

產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換為HTTP應答的頭部： 

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的內容POST到服務器時卻沒有包含charset，而且將中文內容用%xx的形式（xx是十六進制數）進行編碼，例如漢字"中"的GB2312內碼為0xD6D0，在HTTP請求中就變成了%D6%D0，根據RFC2616的規定，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做法是編寫額外的代碼來完成字符集的轉換： 

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

strIn是未經過轉換的字符串，其編碼為ISO8859_1，strOut是經過轉換的字符串，其編碼為GB2312。 

在Apusic 0.9.5版中實現了Java Servlets 2.3規范草案，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換過程就在Servlet引擎中自動完成了，而且Servlet引擎還對轉換過程做了優化，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。