#
Spring種提供了2種常用的注入方式，set方法注入和構造函數注入。由于這2種注入方式很相似，都可以滿足我們的需求，所以在大多數情況下我們忽視了這2種注入方式的區別。下面讓我們看看這2種注入方式的特點。
我們先看看Spring在使用set方法注入時，是怎樣實例化一個Bean和Bean的合作者的：
在A中有一個setB方法用來接收B對象的實例。那么Spring實例化A對象的過程如下：
在不考慮Bean的初始化方法和一些Spring回調的情況下，Spring首先去調用A對象的構造函數實例化A，然后查找A依賴的對象本例子中是B（合作者）。一但找到合作者，Spring就會調用合作者(B)的構造函數實例化B。如果B還有依賴的對象Spring會把B上依賴的所有對象都按照相同的機制實例化然后調用A對象的setB(B b)把b對象注入給A。
因為Spring調用一個對象的set方法注入前,這個對象必須先被實例化。所以在"使用set方法注入"的情況下Spring會首先調用對象的構造函數。
我們在來看通過構造函數注入的過程：
如果發現配置了對象的構造注入，那么Spring會在調用構造函數前把構造函數需要的依賴對象都實例化好，然后再把這些實例化后的對象作為參數去調用構造函數。
在使用構造函數和set方法依賴注入時，Spring處理對象和對象依賴的對象的順序時不一樣的。一般把一個Bean設計為構造函數接收依賴對象時，其實是表達了這樣一種關系：他們（依賴對象）不存在時我也不存在，即“沒有他們就沒有我”。
通過構造函數的注入方式其實表達了2個對象間的一種強的聚合關系：組合關系。就比如一輛車如果沒有輪子、引擎等部件那么車也就不存在了。而且車是由若干重要部件組成的，在這些部件沒有的情況下車也不可能存在。這里車和他的重要部件就時組合的關系。如果你的應用中有這樣類似的場景那么你應該使用“構造函數注入”的方式管理他們的關系。“構造函數注入”可以保證合作者先創建，在后在創建自己。
通過set方法注入的方式表達了2個對象間較弱的依賴關系：聚合關系。就像一輛車，如果沒有車內音像車也時可以工作的。當你不要求合作者于自己被創建時，“set方法注入”注入比較合適。
雖然在理論上“構造函數注入”和“set方法注入”代表2種不同的依賴強度，但是在spring中，spring并不會把無效的合作者傳遞給一個bean。如果合作者無效或不存在spring會拋出異常，這樣spring保證一個對象的合作者都是可用的。所以在spring中，“構造函數注入”和“set方法注入”唯一的區別在于2種方式創建合作者的順序不同。
使用構造函數依賴注入時，Spring保證所有一個對象所有依賴的對象先實例化后，才實例化這個對象。（沒有他們就沒有我原則）
使用set方法依賴注入時，Spring首先實例化對象，然后才實例化所有依賴的對象。
網絡上搜到的SCEA 的考試經驗，希望對大家有所幫助！
正文：
今天，2005年4月9號中午，我通過了Sun的系統架構師考試(SCEA)的310-051部分。總成績72%（很勉強，及格線68%）。面向對象概念、EJB、設計模式、消息、國際化等部分都對了80-100%；通用架構、遺留系統連接、EJB容器、協議、J2EE應用、安全等部分只有50-66%左右的正確率。
但好歹整體是pass，否則又浪費銀子了——1250RMB實在太貴。就在昨晚，老公明白我今天就要考試，馬上表達了他的不滿：
第一、 他認為我準備不夠，肯定pass不了，簡直是浪費銀子。
第二、 他認為我那么早考過，就不會接著深入學習，很快會忘掉這些知識滴。
但我今天早上還是在他極不看好的抱怨聲中去考試。第一道題就是又臭又長的遺留系統連接題，這些電腦屏幕上的英文馬上讓我的腦袋轟地暈了。所以接下來我一直是在極度緊張暈乎乎的情況下考試的。
臭長的情景題目奇多，我以為時間不一定夠，心情緊張地完全影響了我做題效果。但我依然30分鐘左右把48個題目全部做了一遍。然后再用25分鐘左右仔細檢查了一遍，特別仔細研究那些臭長的題目，所有題目全部用排錯法選一次答案，但被重新選擇答案的題目不超過5個。剩下20分鐘左右時，又開始重新過一遍，但做到第34時，整個考試就over了，打印機就刷刷刷打印成績。我沒看到屏幕上的成績提示，很著急，馬上直接去看打印機吐出來的紙，直到看到成績是pass，才知道這1250塊是沒有浪費掉。
從考場出來，恰好老公打電話來匯報他酒店的房間可看海景。我告訴他我過了，并埋怨自己備考方向不十分正確導致成績不算良好。他很意外我通過了沒有浪費錢；然后打斷我詳細的成績匯報，叫我不要太得意。
其實，我覺得如果備考得當，是很可能拿到80%的。但現在根本沒有什么書能完全覆蓋了Sun的考試范圍，也沒有很update的guideline。通過這次實戰，我覺得我知道了Sun的真實考試范圍，因此覺得有必要整理出來，讓后來者少走彎路。
我認為有三個資料是大家主要應該關注的。
1.《J2EE學習指南-Sun certified enterprise architect for J2EE (Exam 310-051)（英文版）》，一定要讀英文版，因為考試是英文。Paul R.Allen，Joseph J.Bambara 人民郵電出版社。
這本書粗看是覆蓋了SCEA全部大綱，但其實很多真正考試內容沒涉及，比如遺留系統連接、安全、集群、負載平衡。而遺留系統連接部分，最新的JCA并沒有考，考的還是Screen Scraper及Corba等綜合技術連接各種復雜的遺留系統。其他內容，該書也寫的很羅索，不精煉。
2. 《Sun Certified Enterprise Architect for J2EE Technology Study Guide》Prentice Hall 著，作者是Sun的，該書接近于Sun的官方資料了。
這本書很好，簡潔、扼要，非常適合最后沖刺階段使用。但缺點是完全沒有消息、遺留系統連接等內容。但是設計模式、協議、安全等部分相當好，至少比《J2EE學習指南》好。集群、負載平衡等部分，這本書一樣沒涉及。
我自己翻譯了這本書的中文簡版，如果想對J2EE入個門，可以參考。但最好讀原文。連英文技術資料都看不懂的人，我想絕對通不過這個考試的，考試中的情景題都是很長的英文。《中文Sun的系統架構師認證教材》http://community.csdn.net/Expert/topic/3892/3892784.xml?temp=.1181452
3.yahoo討論組上的資源，有最接近Sun考試范圍的資料和題目，是考80%的最好保證。
scea_j2ee http://groups.yahoo.com/group/scea_j2ee
scea_prep http://groups.yahoo.com/group/scea_prep
特別推薦的是《Java Architect Notes - Balaji.doc》和《SCEA Practice Questions1.zip》及其他類似電子文檔。
Balaji等人的筆記，更符合Sun實際考試的內容，比以上兩本書更貼近考試范圍。比如其中提到的集群、負載平衡、遺留系統連接等技術，今天我都被考到，而且我都沒考好。因為之前我一直以為出版的書更可能貼近考試，而我對上面兩本書的知識點都掌握到90%。但我接觸yahoo的資料很遲，對這些資料跟那兩本書的不同很懷疑，懷疑yahoo的資料不正確。但實際考試告訴我，yahoo的資料更正確。
《SCEA Practice Questions1.zip》這些題目，多數跟Sun考試接近，特別是安全、遺留系統連接、集群、負載平衡等情景分析題，J2EE應用分析題等。但那些很detail的，接近編程的題目，可能不會考。而且這些題目的結果分析部分特別詳盡，非常有利于讓你處理J2EE選型等情景題目。
尤其是其中部分題就基本重現在我今天的考試中，那些關于集群、負載平衡、J2EE應用分析的情景題。如果再考一次，我發誓我會把yahoo group中的題目用心重做一遍。那樣我絕對可以拿到80%了。
我覺得SCEA考試是一個覆蓋面很廣的東東。備考的過程中，絕對可以優化、充實自己的技術知識。比如通過這段時間的學習，我覺得我更了解J2EE及實際系統選型，也學會了設計模式。之前我基本是設計模式盲，現在我卻可以歷歷數出各模式的特點，甚至有更深入研究的興趣。我覺得備考SCEA是學習更多知識的方式，而考試結果只是附加的回報。
備考時間和步驟建議：
先介紹本人的背景和準備時間。
本人具有多年J2EE工作經驗，很早學習OOA、J2EE，很早就深入學習、模擬過pet store的framework。工作中的項目有很多practices及EJB pattern，但這個很好的framework我沒參與設計。
大概是去年（04年）11月初左右有了考SCEA的想法。然后買了上面提到的《J2EE學習指南》。在年前看完了這本書，同時就著《設計模式（中文版）》、《設計模式和Java》等書，對設計模式入了門。原來想年前考，但工作突然趨緊，加上要過年、寫網絡小說、看小說，就把考試計劃推遲到年后。
過了年，又因為分心去“研究”宏微觀的經濟、管理及把手頭長編網絡小說over掉，也就不敢貿然考試。但工作輕松，所以還是花了很多時間學習SCEA。
進入三月下旬（20號之后），我的SCEA沖刺階段開始了。反反復復看前面提到的兩本書和設計模式，終于把設計模式給吃下了。一直到三月底，才接觸到Balaji的《Java Architect Notes》，做yahoo上共享的題目。做題結果很慘，正確率只有50%左右。所以很快發現自己在情景題、安全等方面的不足，并力補之，同時花了2天半，把《Sun Certified Enterprise Architect for J2EE Technology Study Guide》翻譯了一下。
到了4月2號，我決定報名9號考試。然后又把那2本書看一編，把《SCEA Practice Questions1.zip》等數百套題過一遍。6號交錢報名。7號下午通過作題，就發現自己不是很行。8號打印Sun的考試大綱，發現有些地方要加強。但最后認為安全、遺留系統連接、集群、負載平衡等比率不多，幻想Sun不會考那些DNS集群機制等題目，所以還是決定去考試（已經報名了，也不可能推遲）。可是9號考試的時候，心理很明白準備不充分，因此考試特別緊張。但謝天謝地，我面向對象概念、EJB、設計模式、消息、國際化等扎實的底子和yahoo資料給我的遺留系統連接、集群、負載平衡的粗淺印象，到底還是讓我pass了。
要說明的是，我全部是工作時學習，根據工作強度，每天有0-7個小時學習。周末和晚上是不學習的。周末用來辦事、逛街、去公園；晚上用來上網。
我覺得準備SCEA的時間因人而異。對于普通水平，如我，若集中學習，2-3個月夠了；對于更高水平，1個月甚至更短也行；對于水平更差，我想4-6個月都可能。
最后要強調的是英語。這個考試有接近50%是臭長的情景題，還是多項選擇，如果基本英語要求都達不到的人，可能連正確理解題目都困難。而另外那些簡短的題目，偶爾也有一兩個不認識的關鍵的單詞，這絕對影響作題，因為那會讓你不知道整個句子的概念。我考試就遇到1-2個這樣的題目其中各有1個不認識的關鍵的單詞。我很懷疑通用架構、J2EE應用部分我得分過底就是因為這個原因。
搞定英語，我覺得只能是基本只看英文資料和做英文題目。我的英語底子一般，也就四級水平，工作是純英文，近兩年除了小說、新聞看中文的，其他只看英文。但我的英語還是稍微影響了我的考試，至少我是這樣認為的。
以上是我考后的感想。我覺得yahoo上的資料最符合sun考試范圍的；但那兩本書應該是主要的學習基礎。如果EJB不熟的人，其他一些EJB書籍都很必要。
如果大家希望有個學習計劃的參考，我建議是：
1．先學《J2EE學習指南》和其他的有名的EJB書籍（一本網上最著名、最流行的就行了）。這個時間應該1個月左右。
2．再學習《Sun Certified Enterprise Architect for J2EE Technology Study Guide》。
3．然后學習Balaji的筆記。
4．打印Sun的考試大綱，逐條檢驗知識點。
考試大綱 http://www.sun.com/training/catalog/courses/CX-310-051.xml
5．做yahoo上的《SCEA Practice Questions1.zip》等題目。
6．考試前2天，根據做題經驗，結合考試大綱，再逐一根據各知識點復習。
7．考試時，也許第一個題目就是很長的英文題。不用被嚇著，穩定心態做下去。你會發現后面那些簡短的題目幾秒鐘就可以搞定一個。你肯定有時間回頭檢查的。
310-051只是系統架構師的第一步，后面還有Assignment (CX-310-300A) 、Essay Exam (CX-310-061)兩步。我不知道我什么時候會考，考試費太貴了（全程5000），最好能找個地方報銷。我更看中學習過程及實際掌握的知識，考試的結果，尤其是證書，天曉得有沒有用。但第一步應該是最難的一步，選擇題考過了，剩下兩步應該更容易。也許我會去考，如果考過了，如果有經驗，我一樣會來分享的。考慮到第一個1250花出去，我老公可能會催我考下去，他會覺得既然花錢了，那么搞個證書才合算。哈哈！
1. 概述
本文主要包括以下幾個方面：編碼基本知識，java，系統軟件，url，工具軟件等。
在下面的描述中，將以"中文"兩個字為例，經查表可以知道其GB2312編碼是"d6d0 cec4"，Unicode編碼為"4e2d 6587"，UTF編碼就是"e4b8ad e69687"。注意，這兩個字沒有iso8859-1編碼，但可以用iso8859-1編碼來"表示"。
2. 編碼基本知識
最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語言，逐漸出現了很多標準編碼，重要的有如下幾個。
2.1. iso8859-1
屬于單字節編碼，最多能表示的字符范圍是0-255，應用于英文系列。比如，字母'a'的編碼為0x61=97。
很明顯，iso8859-1編碼表示的字符范圍很窄，無法表示中文字符。但是，由于是單字節編碼，和計算機最基礎的表示單位一致，所以很多時候，仍舊使用iso8859-1編碼來表示。而且在很多協議上，默認使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼為例，應該是"d6d0 cec4"兩個字符，使用iso8859-1編碼的時候則將它拆開為4個字節來表示："d6 d0 ce c4"（事實上，在進行存儲的時候，也是以字節為單位處理的）。而如果是UTF編碼，則是6個字節"e4 b8 ad e6 96 87"。很明顯，這種表示方法還需要以另一種編碼為基礎。
2.2. GB2312/GBK
這就是漢子的國標碼，專門用來表示漢字，是雙字節編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。其中gbk編碼能夠用來同時表示繁體字和簡體字，而gb2312只能表示簡體字，gbk是兼容gb2312編碼的。
2.3. unicode
這是最統一的編碼，可以用來表示所有語言的字符，而且是定長雙字節（也有四字節的）編碼，包括英文字母在內。所以可以說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過，相對于iso8859-1編碼來說，uniocode編碼只是在前面增加了一個0字節，比如字母'a'為"00 61"。
需要說明的是，定長編碼便于計算機處理（注意GB2312/GBK不是定長編碼），而unicode又可以用來表示所有字符，所以在很多軟件內部是使用unicode編碼來處理的，比如java。
2.4. UTF
考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因為對于英文字母，unicode也需要兩個字節來表示。所以unicode不便于傳輸和存儲。因此而產生了utf編碼，utf編碼兼容iso8859-1編碼，同時也可以用來表示所有語言的字符，不過，utf編碼是不定長編碼，每一個字符的長度從1-6個字節不等。另外，utf編碼自帶簡單的校驗功能。一般來講，英文字母都是用一個字節表示，而漢字使用三個字節。
注意，雖然說utf是為了使用更少的空間而使用的，但那只是相對于unicode編碼來說，如果已經知道是漢字，則使用GB2312/GBK無疑是最節省的。不過另一方面，值得說明的是，雖然utf編碼對漢字使用3個字節，但即使對于漢字網頁，utf編碼也會比unicode編碼節省，因為網頁中包含了很多的英文字符。
3. java對字符的處理
在java應用軟件中，會有多處涉及到字符集編碼，有些地方需要進行正確的設置，有些地方需要進行一定程度的處理。
3.1. getBytes(charset)
這是java字符串處理的一個標準函數，其作用是將字符串所表示的字符按照charset編碼，并以字節方式表示。注意字符串在java內存中總是按unicode編碼存儲的。比如"中文"，正常情況下（即沒有錯誤的時候）存儲為"4e2d 6587"，如果charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節"d6 d0 ce c4"。如果charset為"utf8"則最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"（兩個問號）。
3.2. new String(charset)
這是java字符串處理的另一個標準函數，和上一個函數的作用相反，將字節數組按照charset編碼進行組合識別，最后轉換為unicode存儲。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結果"4e2d 6587"，但iso8859-1最后變成了"003f 003f"（兩個問號）。
因為utf8可以用來表示/編碼所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完全可逆。
3.3. setCharacterEncoding()
該函數用來設置http請求或者相應的編碼。
對于request，是指提交內容的編碼，指定后可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認使用iso8859-1編碼，需要進一步處理。參見下述"表單輸入"。值得注意的是在執行setCharacterEncoding()之前，不能執行任何getParameter()。java doc上說明：This method must be called prior to reading request parameters or reading input using getReader()。而且，該指定只對POST方法有效，對GET方法無效。分析原因，應該是在執行第一個getParameter()的時候，java將會按照編碼分析所有的提交內容，而后續的getParameter()不再進行分析，所以setCharacterEncoding()無效。而對于GET方法提交表單是，提交的內容在URL中，一開始就已經按照編碼分析所有的提交內容，setCharacterEncoding()自然就無效。
對于response，則是指定輸出內容的編碼，同時，該設置會傳遞給瀏覽器，告訴瀏覽器輸出內容所采用的編碼。
3.4. 處理過程
下面分析兩個有代表性的例子，說明java對編碼有關問題的處理方法。
3.4.1. 表單輸入
User input *(gbk:d6d0 cec4) browser *(gbk:d6d0 cec4) web server iso8859-1(00d6 00d 000ce 00c4) class，需要在class中進行處理：getbytes("iso8859-1")為d6 d0 ce c4，new String("gbk")為d6d0 cec4，內存中以unicode編碼則為4e2d 6587。
l 用戶輸入的編碼方式和頁面指定的編碼有關，也和用戶的操作系統有關，所以是不確定的，上例以gbk為例。
l 從browser到web server，可以在表單中指定提交內容時使用的字符集，否則會使用頁面指定的編碼。而如果在url中直接用?的方式輸入參數，則其編碼往往是操作系統本身的編碼，因為這時和頁面無關。上述仍舊以gbk編碼為例。
l Web server接收到的是字節流，默認時（getParameter）會以iso8859-1編碼處理之，結果是不正確的，所以需要進行處理。但如果預先設置了編碼（通過request. setCharacterEncoding ()），則能夠直接獲取到正確的結果。
l 在頁面中指定編碼是個好習慣，否則可能失去控制，無法指定正確的編碼。
3.4.2. 文件編譯
假設文件是gbk編碼保存的，而編譯有兩種編碼選擇：gbk或者iso8859-1，前者是中文windows的默認編碼，后者是linux的默認編碼，當然也可以在編譯時指定編碼。
Jsp *(gbk:d6d0 cec4) java file *(gbk:d6d0 cec4) compiler read uincode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) compiler write utf(gbk: e4b8ad e69687; iso8859-1: *) compiled file unicode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) class。所以用gbk編碼保存，而用iso8859-1編譯的結果是不正確的。
class unicode(4e2d 6587) system.out / jsp.out gbk(d6d0 cec4) os console / browser。
l 文件可以以多種編碼方式保存，中文windows下，默認為ansi/gbk。
l 編譯器讀取文件時，需要得到文件的編碼，如果未指定，則使用系統默認編碼。一般class文件，是以系統默認編碼保存的，所以編譯不會出問題，但對于jsp文件，如果在中文windows下編輯保存，而部署在英文linux下運行/編譯，則會出現問題。所以需要在jsp文件中用pageEncoding指定編碼。
l Java編譯的時候會轉換成統一的unicode編碼處理，最后保存的時候再轉換為utf編碼。
l 當系統輸出字符的時候，會按指定編碼輸出，對于中文windows下，System.out將使用gbk編碼，而對于response（瀏覽器），則使用jsp文件頭指定的contentType，或者可以直接為response指定編碼。同時，會告訴browser網頁的編碼。如果未指定，則會使用iso8859-1編碼。對于中文，應該為browser指定輸出字符串的編碼。
l browser顯示網頁的時候，首先使用response中指定的編碼（jsp文件頭指定的contentType最終也反映在response上），如果未指定，則會使用網頁中meta項指定中的contentType。
3.5. 幾處設置
對于web應用程序，和編碼有關的設置或者函數如下。
3.5.1. jsp編譯
指定文件的存儲編碼，很明顯，該設置應該置于文件的開頭。例如：<%@page pageEncoding="GBK"%>。另外，對于一般class文件，可以在編譯的時候指定編碼。
3.5.2. jsp輸出
指定文件輸出到browser是使用的編碼，該設置也應該置于文件的開頭。例如：<%@ page contentType="text/html; charset= GBK" %>。該設置和response.setCharacterEncoding("GBK")等效。
3.5.3. meta設置
指定網頁使用的編碼，該設置對靜態網頁尤其有作用。因為靜態網頁無法采用jsp的設置，而且也無法執行response.setCharacterEncoding()。例如：<META http-equiv="Content-Type" content="text/html; charset=GBK" />
如果同時采用了jsp輸出和meta設置兩種編碼指定方式，則jsp指定的優先。因為jsp指定的直接體現在response中。
需要注意的是，apache有一個設置可以給無編碼指定的網頁指定編碼，該指定等同于jsp的編碼指定方式，所以會覆蓋靜態網頁中的meta指定。所以有人建議關閉該設置。
3.5.4. form設置
當瀏覽器提交表單的時候，可以指定相應的編碼。例如：<form accept-charset= "gb2312">。一般不必不使用該設置，瀏覽器會直接使用網頁的編碼。
4. 系統軟件
下面討論幾個相關的系統軟件。
4.1. mysql數據庫
很明顯，要支持多語言，應該將數據庫的編碼設置成utf或者unicode，而utf更適合與存儲。但是，如果中文數據中包含的英文字母很少，其實unicode更為適合。
數據庫的編碼可以通過mysql的配置文件設置，例如default-character-set=utf8。還可以在數據庫鏈接URL中設置，例如： useUnicode=true&characterEncoding=UTF-8。注意這兩者應該保持一致，在新的sql版本里，在數據庫鏈接URL里可以不進行設置，但也不能是錯誤的設置。
4.2. apache
appache和編碼有關的配置在httpd.conf中，例如AddDefaultCharset UTF-8。如前所述，該功能會將所有靜態頁面的編碼設置為UTF-8，最好關閉該功能。
另外，apache還有單獨的模塊來處理網頁響應頭，其中也可能對編碼進行設置。
4.3. linux默認編碼
這里所說的linux默認編碼，是指運行時的環境變量。兩個重要的環境變量是LC_ALL和LANG，默認編碼會影響到java URLEncode的行為，下面有描述。
建議都設置為"zh_CN.UTF-8"。
4.4. 其它
為了支持中文文件名，linux在加載磁盤時應該指定字符集，例如：mount /dev/hda5 /mnt/hda5/ -t ntfs -o iocharset=gb2312。
另外，如前所述，使用GET方法提交的信息不支持request.setCharacterEncoding()，但可以通過tomcat的配置文件指定字符集，在tomcat的server.xml文件中，形如：<Connector ... URIEncoding="GBK"/>。這種方法將統一設置所有請求，而不能針對具體頁面進行設置，也不一定和browser使用的編碼相同，所以有時候并不是所期望的。
5. URL地址
URL地址中含有中文字符是很麻煩的，前面描述過使用GET方法提交表單的情況，使用GET方法時，參數就是包含在URL中。
5.1. URL編碼
對于URL中的一些特殊字符，瀏覽器會自動進行編碼。這些字符除了"/?&"等外，還包括unicode字符，比如漢子。這時的編碼比較特殊。
IE有一個選項"總是使用UTF-8發送URL"，當該選項有效時，IE將會對特殊字符進行UTF-8編碼，同時進行URL編碼。如果改選項無效，則使用默認編碼"GBK"，并且不進行URL編碼。但是，對于URL后面的參數，則總是不進行編碼，相當于UTF-8選項無效。比如"中文.html?a=中文"，當UTF-8選項有效時，將發送鏈接"%e4%b8%ad%e6%96%87.html?a=\x4e\x2d\x65\x87"；而UTF-8選項無效時，將發送鏈接"\x4e\x2d\x65\x87.html?a=\x4e\x2d\x65\x87"。注意后者前面的"中文"兩個字只有4個字節，而前者卻有18個字節，這主要時URL編碼的原因。
當web server（tomcat）接收到該鏈接時，將會進行URL解碼，即去掉"%"，同時按照ISO8859-1編碼（上面已經描述，可以使用URLEncoding來設置成其它編碼）識別。上述例子的結果分別是"\ue4\ub8\uad\ue6\u96\u87.html?a=\u4e\u2d\u65\u87"和"\u4e\u2d\u65\u87.html?a=\u4e\u2d\u65\u87"，注意前者前面的"中文"兩個字恢復成了6個字符。這里用"\u"，表示是unicode。
所以，由于客戶端設置的不同，相同的鏈接，在服務器上得到了不同結果。這個問題不少人都遇到，卻沒有很好的解決辦法。所以有的網站會建議用戶嘗試關閉UTF-8選項。不過，下面會描述一個更好的處理辦法。
5.2. rewrite
熟悉的人都知道，apache有一個功能強大的rewrite模塊，這里不描述其功能。需要說明的是該模塊會自動將URL解碼（去除%），即完成上述web server（tomcat）的部分功能。有相關文檔介紹說可以使用[NE]參數來關閉該功能，但我試驗并未成功，可能是因為版本（我使用的是apache 2.0.54）問題。另外，當參數中含有"?& "等符號的時候，該功能將導致系統得不到正常結果。
rewrite本身似乎完全是采用字節處理的方式，而不考慮字符串的編碼，所以不會帶來編碼問題。
5.3. URLEncode.encode()
這是Java本身提供對的URL編碼函數，完成的工作和上述UTF-8選項有效時瀏覽器所做的工作相似。值得說明的是，java已經不贊成不指定編碼來使用該方法（deprecated）。應該在使用的時候增加編碼指定。
當不指定編碼的時候，該方法使用系統默認編碼，這會導致軟件運行結果得不確定。比如對于"中文"，當系統默認編碼為"gb2312"時，結果是"%4e%2d%65%87"，而默認編碼為"UTF-8"，結果卻是"%e4%b8%ad%e6%96%87"，后續程序將難以處理。另外，這兒說的系統默認編碼是由運行tomcat時的環境變量LC_ALL和LANG等決定的，曾經出現過tomcat重啟后就出現亂碼的問題，最后才郁悶的發現是因為修改修改了這兩個環境變量。
建議統一指定為"UTF-8"編碼，可能需要修改相應的程序。
5.4. 一個解決方案
上面說起過，因為瀏覽器設置的不同，對于同一個鏈接，web server收到的是不同內容，而軟件系統有無法知道這中間的區別，所以這一協議目前還存在缺陷。
針對具體問題，不應該僥幸認為所有客戶的IE設置都是UTF-8有效的，也不應該粗暴的建議用戶修改IE設置，要知道，用戶不可能去記住每一個web server的設置。所以，接下來的解決辦法就只能是讓自己的程序多一點智能：根據內容來分析編碼是否UTF-8。
比較幸運的是UTF-8編碼相當有規律，所以可以通過分析傳輸過來的鏈接內容，來判斷是否是正確的UTF-8字符，如果是，則以UTF-8處理之，如果不是，則使用客戶默認編碼（比如"GBK"），下面是一個判斷是否UTF-8的例子，如果你了解相應規律，就容易理解。
public static boolean isValidUtf8(byte[] b,int aMaxCount){
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)0xfd) 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;
}
相應地，一個使用上述方法的例子如下：
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);
}
不過，該方法也存在缺陷，如下兩方面：
l 沒有包括對用戶默認編碼的識別，這可以根據請求信息的語言來判斷，但不一定正確，因為我們有時候也會輸入一些韓文，或者其他文字。
l 可能會錯誤判斷UTF-8字符，一個例子是"學習"兩個字，其GBK編碼是" \xd1\xa7\xcf\xb0"，如果使用上述isValidUtf8方法判斷，將返回true。可以考慮使用更嚴格的判斷方法，不過估計效果不大。
有一個例子可以證明google也遇到了上述問題，而且也采用了和上述相似的處理方法，比如，如果在地址欄中輸入"http://www.google.com/search?hl=zh-CN&newwindow=1&q=學習"，google將無法正確識別，而其他漢字一般能夠正常識別。
最后，應該補充說明一下，如果不使用rewrite規則，或者通過表單提交數據，其實并不一定會遇到上述問題，因為這時可以在提交數據時指定希望的編碼。另外，中文文件名確實會帶來問題，應該謹慎使用。
6. 其它
下面描述一些和編碼有關的其他問題。
6.1. SecureCRT
除了瀏覽器和控制臺與編碼有關外，一些客戶端也很有關系。比如在使用SecureCRT連接linux時，應該讓SecureCRT的顯示編碼（不同的session，可以有不同的編碼設置）和linux的編碼環境變量保持一致。否則看到的一些幫助信息，就可能是亂碼。
另外，mysql有自己的編碼設置，也應該保持和SecureCRT的顯示編碼一致。否則通過SecureCRT執行sql語句的時候，可能無法處理中文字符，查詢結果也會出現亂碼。
對于Utf-8文件，很多編輯器（比如記事本）會在文件開頭增加三個不可見的標志字節，如果作為mysql的輸入文件，則必須要去掉這三個字符。（用linux的vi保存可以去掉這三個字符）。一個有趣的現象是，在中文windows下，創建一個新txt文件，用記事本打開，輸入"連通"兩個字，保存，再打開，你會發現兩個字沒了，只留下一個小黑點。
6.2. 過濾器
如果需要統一設置編碼，則通過filter進行設置是個不錯的選擇。在filter class中，可以統一為需要的請求或者回應設置編碼。參加上述setCharacterEncoding()。這個類apache已經給出了可以直接使用的例子SetCharacterEncodingFilter。
6.3. POST和GET
很明顯，以POST提交信息時，URL有更好的可讀性，而且可以方便的使用setCharacterEncoding()來處理字符集問題。但GET方法形成的URL能夠更容易表達網頁的實際內容，也能夠用于收藏。
從統一的角度考慮問題，建議采用GET方法，這要求在程序中獲得參數是進行特殊處理，而無法使用setCharacterEncoding()的便利，如果不考慮rewrite，就不存在IE的UTF-8問題，可以考慮通過設置URIEncoding來方便獲取URL中的參數。
6.4. 簡繁體編碼轉換
GBK同時包含簡體和繁體編碼，也就是說同一個字，由于編碼不同，在GBK編碼下屬于兩個字。有時候，為了正確取得完整的結果，應該將繁體和簡體進行統一。可以考慮將UTF、GBK中的所有繁體字，轉換為相應的簡體字，BIG5編碼的數據，也應該轉化成相應的簡體字。當然，仍舊以UTF編碼存儲。
例如，對于"語言 ?言"，用UTF表示為"\xE8\xAF\xAD\xE8\xA8\x80 \xE8\xAA\x9E\xE8\xA8\x80"，進行簡繁體編碼轉換后應該是兩個相同的 "\xE8\xAF\xAD\xE8\xA8\x80>"。
Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1145171