关于乱码问题的总结

在提交JSP时对于乱码问题，首先我们要搞清楚为什么会出现乱码？
看JSP的头文件：<%@ page contentType="text/html;charset=UTF-8" language="java"%>
在这个头文件中，还有一个与编码的相关的属性：pageEncoding
-----------------------------------------------------------------------------------------
首先，说说JSP/Servlet中的几个编码的作用。     
在JSP/Servlet中主要有以下几个地方可以设置编码，pageEncoding="UTF-8"、contentType="text/html;charset=UTF-8"、request.setCharacterEncoding("UTF-8")和 response.setCharacterEncoding("UTF-8")，其中前两个只能用于JSP中，而后两个可以用于JSP和Servlet 中。
-----------------------------------------------------------------------------------------
request.setCharacterEncoding("UTF-8")的作用是在服务器端设置客户端请求进行重新编码的编码。    
      该方法用来指定对浏览器发送来的数据进行重新编码（或者称为解码）时，使用的编码。     
response.setCharacterEncoding("UTF-8")的作用是指定在客户端对服务器响应进行重新编码的编码。     
      服务器在将数据发送到浏览器前，对数据进行重新编码时，使用的就是该编码。
-----------------------------------------------------------------------------------------
一、浏览器是怎么样对接收和发送的数据进行编码的 
1.浏览器接受数据：
    response.setCharacterEncoding("UTF- 8")的作用是指定对服务器响应进行重新编码的编码。同时，浏览器也是根据这个参数来对其接收到的数据进行重新编码（或者称为解码）。所以在无论你在 JSP中设置response.setCharacterEncoding("UTF-8")或者 response.setCharacterEncoding("GBK")，浏览器均能正确显示中文。
    读者可以做个实验，在JSP中设置response.setCharacterEncoding("UTF-8")，在IE中显示该页面时，在IE的菜单中选择"查看(V)"à"编码(D)"中可以查看到是" Unicode（UTF-8）"，而在在JSP中设置response.setCharacterEncoding("GBK")，在IE中显示该页面 时，在IE的菜单中选择"查看(V)"à"编码(D)"中可以查看到是"简体中文（GB2312）"。
2.浏览器发送数据：
     浏览器在发送数据时，对URL和参数会进行URL编码，对参数中的中文，浏览器也是使response.setCharacterEncoding参数来进行URL编码的。以百度和 GOOGLE为例，如果你在百度中搜索"汉字"，百度会将其编码为"%BA%BA%D7%D6"。而在GOOGLE中搜索"汉字"，GOOGLE会将其编 码为"%E6%B1%89%E5%AD%97"，这是因为百度的response.setCharacterEncoding参数为GBK，而 GOOGLE的的response.setCharacterEncoding参数为UTF-8。 
--------------------------------------------------------
二、服务器是在接收和发送数据时，是如何对数据进行编码的
1.服务器发送数据
     对于发送数据，服务器按照response.setCharacterEncoding—contentType—pageEncoding的优先顺序，对要发送的数据进行编码。   
2.服务器接收数据
     对于接收数据，要分三种情况。一种是浏览器直接用URL提交的数据，另外两种是用表单的GET和POST方式提交的数据。     
     因为各种WEB服务器对这三种方式的处理也不相同，所以我们以Tomcat5.0为例。   
     ①对于表单中POST方式提交的数据
     只要在JSP页面上设置了response.setCharacterEncoding或contentType或pageEncoding为"utf-8",在接受数据的JSP/SERVLET中都不会出现中文乱码问题。
     ②对于URL提交的数据和表单中GET方式提交的数据
     在接收数据的JSP/SERVLET中仅仅设置request.setCharacterEncoding参数是不行的
     因为在Tomcat5.0中，默认情况下使用ISO-8859-1对URL提交的数据和表单中GET方式提交的数据进行重新编码（解码），要解决该问题：     
     应该在Tomcat的配置文件server.xml的Connector标签中设置useBodyEncodingForURI或者 URIEncoding属性，其中URIEncoding参数指定对所有GET方式请求（包括URL提交的数据和表单中GET方式提交的数据）进行统一的重新编码（解码）的编码。
     其中useBodyEncodingForURI参数表示是否用request.setCharacterEncoding 参数对URL提交的数据和表单中GET方式提交的数据进行重新编码，在默认情况下，该参数为false；
     URIEncoding和useBodyEncodingForURI区别是，URIEncoding是对所有GET方式的请求的数据进行统一的重新编码（解码），而useBodyEncodingForURI则是根据响应该请求的页面的request.setCharacterEncoding参数对数据进行的重新编码（解码），不同的页面可以有不同的重新编码（解码）的编码。所以对于URL提交的数据和表单中GET方式提交的数据，可以修改 URIEncoding参数为浏览器编码或者修改useBodyEncodingForURI为true，并且在获得数据的JSP页面中 request.setCharacterEncoding参数设置成浏览器编码。    
 ----------------------------------------------------------   
下面总结下，以Tomcat5.0为WEB服务器时，如何防止中文乱码。     
1、对于同一个应用，最好统一编码，推荐为UTF-8，当然GBK也可以。     
2、正确设置JSP的pageEncoding="UTF-8" 
3、在所有的JSP/Servlet中设置contentType="text/html;charset=UTF-8"或response.setCharacterEncoding("UTF-8")，从而间接实现对浏览器编码的设置。     
4、对于非表单提交的get或url请求,可以修改Tomcat的默认配置，推荐将useBodyEncodingForURI参数设置为true，也可以将URIEncoding参数设置为 UTF-8（有可能影响其他应用，所以不推荐）。或者用下面的方法，在接收数据时处理：
  request.getParameter("userID"),得到userID的值   
  request.getParameter("userID").trim()将这个值去掉两边的空格   
  request.getParameter("userID").trim().getBytes("ISO-8859-1"))将这个String用ISO-8859-1编码成一个字节数祖   
  new   String(request.getParameter("userID").trim().getBytes("ISO-8859-1"),"utf-8")将刚才的字节数祖传进string的构造函数按照"utf-8"编码创建一个string对象。 
5.使用URLEncoder的方法
传参前用: 
//使用指定的编码机制将字符串转换为 application/x-www-form-urlencoded 格式
String username_encoder = URLEncoder.encode(username,"UTF-8");
接参数后显示用:
//使用指定的编码机制对 application/x-www-form-urlencoded 字符串解码
String username_decoder = URLDecoder.decode(request.getParameter("username"),"UTF-8");
-----------------------------------------------------------------------------------------
什么是"gbk"？什么是"utf-8"?
一、字符上区分 
　　GBK包含全部中文字符; 
　　UTF-8则包含全世界所有国家需要用到的字符。
二、编码上区分 
　　GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准(好像还不是国家标准) 
　　UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。 
　　例如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF-8英文却只占一个字节。
三、使用上区分 
　　GBK是中国国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBK大，而且是一般做论坛的DZ这些程序，对应的组件和插件支持上GBK相应开发的比较全面点，再DIY的时候比较方便。 
　　UTF8是国际编码，它的通用性比较好，外国人也可以浏览论坛，而且中文可以直接识别，如果你的论坛要做的比较国际化那就必须用UTF8的。

　　补充下：UTF8再繁体支持上比GBK有优势滴。 
　　对于DZ论坛来说，很多插件都只支持GBK的，如果需要装较多插件的论坛还是用GBK比较好，而对装较少插件且有特殊用户群的论坛用UTF8比较好。 
　　所以，一般你要是做论坛只是国内的特定圈子里的就用GBK简单点，基本插件都可以安装，但是如果你的站有国外的市场需要就建议UTF8了，

Web中文网站开发中，GBK与UTF-8是使用比较多的两种字符集，但二者是有区别的。总结如下。
1. GBK的文字编码是双字节来表示的，即不论中、英文字符均使用双字节来表示，只不过为区分中文，将其最高位都定成1。
   UTF－8编码则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位（三个字节）来编码。对于英文字符较多的论坛则用UTF－8节省空间。
2. GBK包含全部中文字符，包括简体和繁体字
   UTF-8则包含全世界所有国家需要用到的字符。
3. GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准（好像还不是国家标准）
   UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。
   比如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。 所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。

请注意：
   UTF-8版本虽然具有良好的国际兼容性，但中文需要比GBK/BIG5版本多占用50%的数据库存储空间，因此并非推荐使用，仅供对国际兼容性有特殊要求的用户使用。
简单地说：
   对于中文较多的论坛，适宜用GBK编码节省数据库空间。
   对于英文较多的论坛，适宜用UTF-8节省数据库空间。