post 返回结果中文乱码

【摘要】 form 表单 post 提交中文数据，返回相同中文数据时乱码，本质原因是编码解码方式不一致导致的。

乱码效果

0、我的环境

    本地服务器：Tomcat-7.0.85

    浏览器：Chrome 版本 65.0.3325.19（正式版本） （32 位）

    提交方式：POST

1、操作过程

1、 input.jsp 输入中文数据，提交方式为 POST；

input.jsp

2、提取"name"，"password"，打印在网页上；

output.jsp

2、思考原因

    任何字符在计算机中的存储本质都是二进制。

    1、【猜测】浏览器在提交数据给服务器之前，先把数据编码（encoding），然后再发送“二进制”；

    2、【猜测】服务器收到“二进制”之后，解码（decoding）提取数据，然后输出在网页上；

    3、【推测】数据经过了编解（encoding）和解码（decoding），那么中文乱码的原因一定是编码方式与解码方式不一致造成的。

3、验证猜测

    1、重新打开 input.jsp ，输入数据后点击“提交”。利用 Chrome 浏览器的开发人员工具（F12 -> Network -> Headers），可以看到提交的中午数据“果冻柠檬”变成了“%E6%9E%9C%E5%86%BB%E6%9F%A0%E6%AA%AC”。

提交的数据

    2、中文为什么会这样呢？

URL编码遵循下列规则： 每对name/value由&；符分开；每对来自表单的name/value由=符分开。如果用解码软件户没有输入值给这个name，那么这个name还是出现，只是无值。任何特殊的字符（就是那些不是简单的七位ASCII，如汉字）将以百分符%用十六进制编码，当然也包括象 =,&；，和 % 这些特殊的字符。其实url编码就是一个字符ascii码的十六进制。不过稍微有些变动，需要在前面加上“%”。比如“\”，它的ascii码是92，92的十六进制是5c，所以“\”的url编码就是%5c。那么汉字的url编码呢？很简单，看例子：“胡”的ascii码是-17670，十六进制是BAFA，url编码是“%BA%FA”。——来自“百度百科”

"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*'()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL." "只有字母和数字[0-9a-zA-Z]、一些特殊符号"$-_.+!*'(),"[不包括双引号]、以及某些保留字，才可以不经过编码直接用于URL。"——来自“网络标准RFC 1738”

果冻柠檬utf-8编码 十六进制

    那么说明中文数据首先被转换成了 UTF-8 编码的十六进制。到目前为止，URL中的所有字符都被转换成了 ASCII 码表可以表示的值。

    3、根据 ASCII 码表，把所有字符转换成二进制然后发送给服务器。

转换成二进制

    怀疑的同学可以对照ASCII码表查看，ASCII 码对照表，我截了ASCII码表部分图供观看。

ascii码表可显示字符 部分

      这个可以通过抓包工具抓包查看，本人使用的工具是 Wireshark 。

    4、那服务器是怎么解码的呢？

    我们先看看 String strName = request.getParameter("name"); 这条语句里面的 getParameter() 函数，看这个函数做了什么。但却提示 Source not found。

Source not found

    即使添加了需要的 javax.servlet.jar 包，也只能看到接口类，无法看到实现类。

javax.servlet包中包含许多类和接口，这些类和接口用于描述和定义Servlet类与由相应的Servlet容器为此类的实例提供的运行时环境之间的契约。——来自“docs.oracle.com”

    这些接口是由 Tomcat 服务器实现的，所以我们可以到 Tomcat 的官网下载源码进行查看。

tomcat源码下载

    下载好之后，我们可以在 org.apache.catalina.core 包中的找到 ApplicationHttpRequest 这个类，这个类实现了 getParameter() 这个函数。

getParameter(String name)

    我们可以从 getParameter(String name) 这个函数中执行了 parseParameters() 这个函数。这个函数从名字上看就是“解析参数”的意思，我们转到 parseParameters() 这个函数中去。

parseParameters()

    parseParameters() 函数中又执行了 mergeParameters() 函数，从函数名字上看是“合并参数”的意思，我们转到 mergeParameters() 这个函数中去看看。

mergeParameters()

    我们可以从 mergeParameters() 这个函数中可以看出，首先有一次获取字符编码的语句 String encoding = getCharacterEncoding(); 如果没有指定，那么将默认使用 ISO-8859-1 来解析收到的参数。什么时候可以指定呢？ 在我们获取参数前，可以使用 request.setCharacterEncoding("utf-8"); 来指定解码方式，那么此时 getCharacterEncoding() 的返回值将是 utf-8 。

4、结论

    总结一下以上过程： 

    1、post 提交时中文参数时浏览器先把中文参数转换成 utf-8 编码（encoding）的十六进制格式，然后再按 ASCII 码表转换成二进制；

    2、 Tomcat 服务器收到这些二进制后默认按 ISO-8859-1 规则解码（decoding）；

    3、编码方式和解码方式不一致导致了中文参数乱码！

    综上所述，中文参数乱码解决办法：

    1、在使用 request.getParameter() 获取参数之前使用函数 request.setCharacterEncoding("utf-8") 设置解码规则。

---

    参考：

    1、JavaWeb学习篇之----容器Response详解

    2、各种编码UNICODE、UTF-8、ANSI、ASCII、GB2312、GBK详解

    3、omcat request.getParameter() 研究,api解读,以及解码解释

    4、Eclipse查看Servlet源码

    5、ASCII码对照表

    6、客户端编码与服务器解码全过程

    7、深入浅出URL编码

    8、MyEclipse 导入Tomcat 源码