SSH框架下中文字符乱码问题的研究
1 Java中文乱码问题的产生原因
在Java Web的应用中，中文字符乱码问题是个由来已久和让人头疼的问题，尤其是刚刚接触Java Web编程的人员，往往在解决中文字符乱码问题上花费了大量的时间和精力。
要了解Java中文乱码问题的产生原因，先要从Java的字符编码说起，常用的Java字符编码集有以下几种：
ASCII（American Standard Code for Information Interchange，美国信息互换标准代码），是基于常用的英文字符的一套电脑编码系统。我们知道英文经常使用的字符、数字符号被计算机处理时都是以二进制码的形式出现的。这种二进制码的形式就是所谓的ASCII码。每个ASCII与一个８位二进制数对应。其最高位是０，相应的十进制数是0-127。另有128个扩展的ASCII码，最高位都是1，由一些制表符和其它符号组成。ASCII是现今最通用的单字节编码系统。
GB2312：GB2312码是中华人民共和国国家汉字信息交换用编码，全称《信息交换用汉字编码字符集-基本集》。主要用于给每个中文字符指定相应的数字，也就是通行编码。一个中文字符用两个字节的数字来表示，为了与ASCII码有所区别，将中文字符每一个字节的最高位置都用1来表示。
GBK：为了对更多的字符进行编码，国家又发布了新的编码系统GBK（GBK的K是“扩展”的汉语拼音的第一个字母）。在新的编码系统里，除了兼容GB2312外，还对繁体中文、一些不常用的汉字和许多符号进行了编码。
ISO-8859-1：ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。 ISO-8859-1收录的字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。欧元符号出现的比较晚，没有被收录在ISO-8859-1当中。
Unicode：这是一种通用的字符集，对所有语言的文字进行了统一编码，对每一个字符都用2个字节来表示，对于英文字符前面加“0”字节的策略实现等长兼容。如“a”的ASCII码为0x61，Unicode就为0x00，0x61。
UTF-8：Unicode Transformation Format-8bit。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。
Java使用Unicode来存储字符数据，处理字符时通常有3个步骤：
1）按给定的字符编码形式，从源输入流中读取字符数据；
2）以Unicode编码形式将字符数据存储在内存中；
3）按指定的字符编码形式，将字符数据编码并写入目的输入流中。
所以Java处理字符时总是经过了两次编码转换，一次是从指定编码转换为Unicode编码，一次是从Unicode编码转换为指定编码。如果读入时用错误的形式解码字符，则内存存储的是错误的Unicode字符。而从最初文件中读出的字符数据，到最终在屏幕终端显示这些字符，期间经过了应用程序的多次转换。如果中间某次字符处理，用错误的编码方式解码了从输入流读取的字符数据，或用错误的编码方式将字符写入输出流，则下一个字符数据的接收者就会编解码出错，从而导致最终显示乱码。
2 中文字符乱码问题的分类和解决方法
SSH框架即strut+hibernate+spring，是目前比较流行的开源框架，提出了一种开发J2EE Web应用的轻量级解决方案，以帮助开发人员在短期内搭建结构清晰、可复用性好、维护方便的Web应用程序。本文分析了在开发工具为Eclipse，数据库为oracle，开发框架为SSH，应用服务器为tomcat的环境下中文字符乱码问题的分类和解决方法。
2.1 数据库写入和读出乱码
一旦数据库创建后，数据库的字符集是不能改变的。因此，在设计和安装之初考虑使用哪一种字符集是十分重要的。数据库字符集应该是操作系统本地字符集的一个超集。存取数据库的客户使用的字符集将决定选择哪一个超集，即数据库字符集应该是所有客户字符集的超集。
在oracle中，我们关心的是三个地方的字符集：oracle服务器内部的字符集；ns_lang变量里保存的字符集，客户端应用的字符集。在Java编程中，需要统一Java应用中的字符集，oracle服务器内部的字符集，ns_lang变量里保存的字符集。通常，在Java开发中， oracle10g在创建数据库实例时需要指定SIMPLIFIED CHINESE_CHINA.ZHS16GBK字符集。有时，在安装oracle过程中自动创建数据库实例时使用AMERICAN_AMERICA.WE8ISO8859P1字符集或者一些与Java字符集不兼容的字符集，就会出现乱码问题，这时需要先安装数据库，不自动生成数据库实例，在安装完数据库之后，再通过oracle→配置和移植工具→DataBase Configuration Assistance创建数据库，在图1的界面中选择ZHS16GBK字符集。
2.2 JSP页面显示和传递中文参数乱码
要解决这类乱码问题，涉及到几个方面的设置：
1）在struts的配置文件struts.properties中设置struts.i18n.encoding=gbk，struts.i18n.encoding用在了请求和返回两个阶段中流的编码方式，该参数为gbk时,相当于调用HttpServletRequest的setCharacterEncoding()方法。
2）在web.xml中添加下面的程序代码，指定字符过滤器对字符的编码方式为gbk。
encodingFilter
org.springframework.web.filter.CharacterEncodingFilter
encoding
gbk
encodingFilter
/*
3）在编辑器中用gbk编码保存JSP文件，并设置JSP文件开头的<%@ page language="java" contentType="text/html; charset=gbk" pageEncoding="gbk"%>，其中pageEncoding用来告诉tomcat此文件所用的字符编码。Tomcat以此编码来读取JSP文件并编译。还要设置，当JSP页面用post方法提交数据时，用此处指定的编码方式编码。
4）设置Tomcat的URIEncoding，如果URIEncoding不加以设置，则默认使用ISO-8859-1来解码URL，设置后便用设置的编码方式来解码。这个解码同时包括Path部分和查询字符串部分。即在Tomcat配置端口的语句中加入URIEncoding="GBK"。
进行完这些设置之后，基本上就不会出现JSP页面乱码问题了。
2.3 Action中redirect传递中文参数乱码
在开发中有时需要用response.sendRedirect做转向，它其实是向浏览器发送一个特别的Header，然后由浏览器来做转向，转到指定的页面，所以用sendRedirect时，浏览器的地址栏上能够看到地址的变化。通常sendRedirect需要把参数挂在地址后面以&分隔传递，传递中文字符时，有时会需要乱码，这时就需要用到Java的URLEncoder类了，这个类有个encode方法，形式为public static String encode(String s, String encoding)，在encoding参数中，可以指定字符编码的方式，通常我们传递中文字符时，需要这样写http://ceshi.jsp?param1=java.net.URLEncoder.encode(“你好”,”gbk”)。这样就能防止传递的中文参数乱码了。
2.4 Ajax传递中文参数乱码
Ajax即“Asynchronous ＆#106avascript and XML”（异步＆#106avascript和XML)。Ajax提供与服务器异步通信的能力，从而使用户从请求/响应的循环中解脱出来。借助于Ajax，可以在用户单击按钮时，使用＆#106avascript和DHTML立即更新UI，并向服务器发出异步请求，以执行更新或查询数据库。当请求返回时，就可以使用＆#106avascript和CSS来相应地更新UI，而不是刷新整个页面。最重要的是，用户甚至不知道浏览器正在与服务器通信：Web站点看起来是即时响应的。
Ajax默认中文提交以UTF-8格式，解决Ajax中文参数乱码问题有两种方式，一种是提交中文后，在服务端用UTF-8编码提取参数：request.setCharsetEncoding(“UTF-8”);String str=request.getParameter(“param”)；另一种是在Jsp页面用encodeURI编码两次，即encodeURI（encodeURI（”str”）），然后在服务端用String str=request.getParameter(“param”); java.net.URIDecoder.decode(str, “UTF-8”)。
3 结束语
本文介绍了在开发工具为Eclipse，数据库选用oracle，开发框架选用SSH，应用服务器选择tomcat的环境下中文字符乱码问题的分类和解决。根据环境的不同，可将文中编码为GBK的部分替换为其它编码来解决中文乱码问题。
参考文献：
[1] 李刚.轻量级J2EE企业应用实战[M].北京:电子工业出版社,2007.
[2] 秦学礼,孙伟.Java 程序设计使用教程[M].北京:中国铁道出版社,2006.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
（作者：张进猛,苏健,赵耀）
在Java Web的应用中，中文字符乱码问题是个由来已久和让人头疼的问题，尤其是刚刚接触Java Web编程的人员，往往在解决中文字符乱码问题上花费了大量的时间和精力。
要了解Java中文乱码问题的产生原因，先要从Java的字符编码说起，常用的Java字符编码集有以下几种：
ASCII（American Standard Code for Information Interchange，美国信息互换标准代码），是基于常用的英文字符的一套电脑编码系统。我们知道英文经常使用的字符、数字符号被计算机处理时都是以二进制码的形式出现的。这种二进制码的形式就是所谓的ASCII码。每个ASCII与一个８位二进制数对应。其最高位是０，相应的十进制数是0-127。另有128个扩展的ASCII码，最高位都是1，由一些制表符和其它符号组成。ASCII是现今最通用的单字节编码系统。
GB2312：GB2312码是中华人民共和国国家汉字信息交换用编码，全称《信息交换用汉字编码字符集-基本集》。主要用于给每个中文字符指定相应的数字，也就是通行编码。一个中文字符用两个字节的数字来表示，为了与ASCII码有所区别，将中文字符每一个字节的最高位置都用1来表示。
GBK：为了对更多的字符进行编码，国家又发布了新的编码系统GBK（GBK的K是“扩展”的汉语拼音的第一个字母）。在新的编码系统里，除了兼容GB2312外，还对繁体中文、一些不常用的汉字和许多符号进行了编码。
ISO-8859-1：ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。 ISO-8859-1收录的字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。欧元符号出现的比较晚，没有被收录在ISO-8859-1当中。
Unicode：这是一种通用的字符集，对所有语言的文字进行了统一编码，对每一个字符都用2个字节来表示，对于英文字符前面加“0”字节的策略实现等长兼容。如“a”的ASCII码为0x61，Unicode就为0x00，0x61。
UTF-8：Unicode Transformation Format-8bit。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。
Java使用Unicode来存储字符数据，处理字符时通常有3个步骤：
1）按给定的字符编码形式，从源输入流中读取字符数据；
2）以Unicode编码形式将字符数据存储在内存中；
3）按指定的字符编码形式，将字符数据编码并写入目的输入流中。
所以Java处理字符时总是经过了两次编码转换，一次是从指定编码转换为Unicode编码，一次是从Unicode编码转换为指定编码。如果读入时用错误的形式解码字符，则内存存储的是错误的Unicode字符。而从最初文件中读出的字符数据，到最终在屏幕终端显示这些字符，期间经过了应用程序的多次转换。如果中间某次字符处理，用错误的编码方式解码了从输入流读取的字符数据，或用错误的编码方式将字符写入输出流，则下一个字符数据的接收者就会编解码出错，从而导致最终显示乱码。
2 中文字符乱码问题的分类和解决方法
SSH框架即strut+hibernate+spring，是目前比较流行的开源框架，提出了一种开发J2EE Web应用的轻量级解决方案，以帮助开发人员在短期内搭建结构清晰、可复用性好、维护方便的Web应用程序。本文分析了在开发工具为Eclipse，数据库为oracle，开发框架为SSH，应用服务器为tomcat的环境下中文字符乱码问题的分类和解决方法。
2.1 数据库写入和读出乱码
一旦数据库创建后，数据库的字符集是不能改变的。因此，在设计和安装之初考虑使用哪一种字符集是十分重要的。数据库字符集应该是操作系统本地字符集的一个超集。存取数据库的客户使用的字符集将决定选择哪一个超集，即数据库字符集应该是所有客户字符集的超集。
在oracle中，我们关心的是三个地方的字符集：oracle服务器内部的字符集；ns_lang变量里保存的字符集，客户端应用的字符集。在Java编程中，需要统一Java应用中的字符集，oracle服务器内部的字符集，ns_lang变量里保存的字符集。通常，在Java开发中， oracle10g在创建数据库实例时需要指定SIMPLIFIED CHINESE_CHINA.ZHS16GBK字符集。有时，在安装oracle过程中自动创建数据库实例时使用AMERICAN_AMERICA.WE8ISO8859P1字符集或者一些与Java字符集不兼容的字符集，就会出现乱码问题，这时需要先安装数据库，不自动生成数据库实例，在安装完数据库之后，再通过oracle→配置和移植工具→DataBase Configuration Assistance创建数据库，在图1的界面中选择ZHS16GBK字符集。
2.2 JSP页面显示和传递中文参数乱码
要解决这类乱码问题，涉及到几个方面的设置：
1）在struts的配置文件struts.properties中设置struts.i18n.encoding=gbk，struts.i18n.encoding用在了请求和返回两个阶段中流的编码方式，该参数为gbk时,相当于调用HttpServletRequest的setCharacterEncoding()方法。
2）在web.xml中添加下面的程序代码，指定字符过滤器对字符的编码方式为gbk。
encodingFilter
org.springframework.web.filter.CharacterEncodingFilter
encoding
gbk
encodingFilter
/*
3）在编辑器中用gbk编码保存JSP文件，并设置JSP文件开头的<%@ page language="java" contentType="text/html; charset=gbk" pageEncoding="gbk"%>，其中pageEncoding用来告诉tomcat此文件所用的字符编码。Tomcat以此编码来读取JSP文件并编译。还要设置，当JSP页面用post方法提交数据时，用此处指定的编码方式编码。
4）设置Tomcat的URIEncoding，如果URIEncoding不加以设置，则默认使用ISO-8859-1来解码URL，设置后便用设置的编码方式来解码。这个解码同时包括Path部分和查询字符串部分。即在Tomcat配置端口的语句中加入URIEncoding="GBK"。
进行完这些设置之后，基本上就不会出现JSP页面乱码问题了。
2.3 Action中redirect传递中文参数乱码
在开发中有时需要用response.sendRedirect做转向，它其实是向浏览器发送一个特别的Header，然后由浏览器来做转向，转到指定的页面，所以用sendRedirect时，浏览器的地址栏上能够看到地址的变化。通常sendRedirect需要把参数挂在地址后面以&分隔传递，传递中文字符时，有时会需要乱码，这时就需要用到Java的URLEncoder类了，这个类有个encode方法，形式为public static String encode(String s, String encoding)，在encoding参数中，可以指定字符编码的方式，通常我们传递中文字符时，需要这样写http://ceshi.jsp?param1=java.net.URLEncoder.encode(“你好”,”gbk”)。这样就能防止传递的中文参数乱码了。
2.4 Ajax传递中文参数乱码
Ajax即“Asynchronous ＆#106avascript and XML”（异步＆#106avascript和XML)。Ajax提供与服务器异步通信的能力，从而使用户从请求/响应的循环中解脱出来。借助于Ajax，可以在用户单击按钮时，使用＆#106avascript和DHTML立即更新UI，并向服务器发出异步请求，以执行更新或查询数据库。当请求返回时，就可以使用＆#106avascript和CSS来相应地更新UI，而不是刷新整个页面。最重要的是，用户甚至不知道浏览器正在与服务器通信：Web站点看起来是即时响应的。
Ajax默认中文提交以UTF-8格式，解决Ajax中文参数乱码问题有两种方式，一种是提交中文后，在服务端用UTF-8编码提取参数：request.setCharsetEncoding(“UTF-8”);String str=request.getParameter(“param”)；另一种是在Jsp页面用encodeURI编码两次，即encodeURI（encodeURI（”str”）），然后在服务端用String str=request.getParameter(“param”); java.net.URIDecoder.decode(str, “UTF-8”)。
3 结束语
本文介绍了在开发工具为Eclipse，数据库选用oracle，开发框架选用SSH，应用服务器选择tomcat的环境下中文字符乱码问题的分类和解决。根据环境的不同，可将文中编码为GBK的部分替换为其它编码来解决中文乱码问题。
参考文献：
[1] 李刚.轻量级J2EE企业应用实战[M].北京:电子工业出版社,2007.
[2] 秦学礼,孙伟.Java 程序设计使用教程[M].北京:中国铁道出版社,2006.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
（作者：张进猛,苏健,赵耀）