从tomcat乱码问题中学习Java编码

阅读更多

    项目在jetty中运行正常，打包到tomcat中，发现项目有的页面出现乱码。好像之前部署的时候也出现过这个BUG，但是当时不是这个项目，也不是我解决的。刚好趁这次回顾一下以前学习的编码知识。

    关于为什么要编码：计算机中存储信息的最小单元是一个字节，8bit(0~255)，人类要表示的符号太多，无法用一个字节完全表示，则有一个新的数据结构Char到byte的编码。

    JAVA中经常遇到几种编码格式的区别：ASCII，ISO-8895-1,GB2312,GBK,UTF-8,UTF-16看作字典，规定了转换规则。

    Java中需要编码的场景：1.I/O操作中存在编码（磁盘和网络I/O），InputStreamReader类是关联字节到字符的桥梁，负责I/O过程中字节到字符的转换，具体转换委托给StreamDecoder解码，其中由用户指定编码格式；2.内存操作中的编码。

    Java中需要编码的数据：用户从浏览器发起一个HTTP请求，存在编码的地方是URL,Cookie,Parameter.服务器端要解析HTTP协议，其中URI.COOKIE.POST表单参数要解码，服务器端可能要读取数据库中的数据——本地或网络中其他地方的文本文件，都存在编码问题。

    通常可以将常见的乱码问题分为JSP页面显示中文乱码、表单提交乱码两类。

    JSP页面中显示中文乱码：在JSP文件中使用page命令指定响应结果的MIME类型，如<%@ page language="java" contentType="text/html;charset=gb2312" %>

    表单提交乱码： 主要是因为服务器处理编码的方式和页面提交方式（post和get）不同。以tomcat为例，tomcat处理提交的参数时默认的是iso-8859-1，使用request.getParameter方法会得到乱码。换句话说：tomcat默认将单字节作为一个字符,但是中文是2个或者3个字节表示一个字符。

    tomcat遇到的常见问题解决方式。

    对于post方式：解决办法是编写一个过滤器统一处理post请求，过滤器在用户提交的数据被处理之前被调用。

    对于get方式：这是我所遇到的情况。tomcat对post和get的处理方法不一样，所以过滤器不能解决get的乱码问题，它需要在其他地方设置。解决方法是打开\conf目录下server.xml文件，找到对8080端口进行服务的Connector组件的设置部分，给这个组件添加一个属性：URIEncoding="UTF-8"。注意修改后重新启动tomcat才能起作用。

    为什么get方式要这样处理？因为客户端发送过来的请求，tomcat对url编码会判断server.xml中没有设置URIEncoding，如果有设置，则用设置的编码方式，否则用tomcat默认的即iso-8859-1（iso-8859-1）。我遇到的也是因为get中参数提交的时候出现以上情况。

 

参考：深入分析java web技术内幕   第3章 深入分析Java Web中的中文编码问题
          http://nileader.blog.51cto.com/1381108/384353

          http://zhuzhsh.iteye.com/blog/251743