JavaWeb中文编码问题方法解析
一、?JavaWeb編程中亂碼的成因
因為計算機只認識0與1，在網絡上要想傳輸各種字符就需要進行編碼。而由于編碼、傳輸、解碼過程存在各種不確定性，導致亂碼問題頻發，成為困擾初學者的一大問題。本文就試圖用最簡單的示例解釋亂碼問題。
1.?為什么會出現亂碼問題?
如同發電報一樣，如果發報的采用一個密碼本進行發報，而接收端采用另外的密碼本進行解碼，肯定會導致無法解碼一樣。如果在計算機網絡中傳輸數據，發送端采用的編碼和接收端采用的編碼不一致就會導致亂碼問題。
2.?認識各種編碼：
ASCII：
ASCII（American Standard Code for Information Interchange，美國信息交換標準代碼）是基于拉丁字母的一套電腦編碼系統，主要用于顯示現代英語和其他西歐語言。它是現今最通用的單字節編碼系統，并等同于國際標準ISO/IEC 646。
ISO-8859-1：
由于ASCII是美國標準，其收錄了空格及94個“可印刷字符”，足以給英語使用。但是，其他使用拉丁字母的語言（主要是歐洲國家的語言），都有一定數量的附加符號字母，故需要使用ASCII及控制字符以外的區域來儲存及表示。
為了解決這個問題，國際標準化組織（ISO）及國際電工委員會（IEC）聯合制定的一系列8位字符集的標準ISO-8859，其全稱ISO/IEC 8859，現時定義了15個字符集。除了使用拉丁字母的語言外，使用西里爾字母的東歐語言、希臘語、泰語、現代阿拉伯語、希伯來語等，都可以使用這個形式來儲存及表示。
GBK/GB2312：
為了解決中文的顯示和編輯問題，1980年中國國家標準總局發布了GB2312標準，全稱是《信息交換用漢字編碼字符集》，標準號是GB 2312—1980。GB2312編碼適用于漢字處理、漢字通信等系統之間的信息交換，通行于中國大陸；新加坡等地也采用此編碼。中國大陸幾乎所有的中文系統和國際化的軟件都支持GB 2312。基本集共收入漢字6763個和非漢字圖形字符682個。GB 2312的出現，基本滿足了漢字的計算機處理需要，它所收錄的漢字已經覆蓋中國大陸99.75%的使用頻率。但是對于人名、古漢語等方面出現的罕用字，GB 2312不能處理，這導致了后來GBK及GB 18030漢字字符集的出現。
1995年中國國家標準總局又頒布了《漢字編碼擴展規范》（GBK）。GBK與GB 2312—1980國家標準所對應的內碼標準兼容，同時在字匯一級支持ISO/IEC10646—1和GB 13000—1的全部中、日、韓（CJK）漢字，共計20902字。
國家標準GB18030-2005《信息技術 中文編碼字符集》是我國繼GB2312-1980和GB13000.1-1993之后最重要的漢字編碼標準，是我國計算機系統必須遵循的基礎性標準之一。 GB18030有兩個版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本，它的主要特點是在GBK基礎上增加了CJK統一漢字擴充A的漢字。GB18030-2005的主要特點是在GB18030-2000基礎上增加了CJK統一漢字擴充B的漢字。GB18030-2005是我國自主研制的以漢字為主并包含多種我國少數民族文字（如藏、蒙古、傣、彝、朝鮮、維吾爾文等）的超大型中文編碼字符集強制性標準，其中收入漢字70000余個。中文的Windows操作系統默認使用GBK/GB2312編碼。
Unicode：
很多傳統的編碼方式都有一個共同的問題，即容許電腦處理雙語環境（通常使用拉丁字母以及其本地語言），但卻無法同時支持多語言環境（指可同時處理多種語言混合的情況）。Unicode 是為了解決傳統的字符編碼方案的局限而產生的，例如ISO 8859所定義的字符雖然在不同的國家中廣泛地使用，可是在不同國家間卻經常出現不兼容的情況。Unicode的出現，能夠使計算機實現跨語言、跨平臺的文本轉換及處理。
UTF-8：
因為Unicode編碼使用2個字節存儲一個字符。事實證明，對可以用ASCII表示的字符使用Unicode并不高效，因為Unicode比ASCII占用大一倍的空間，而對ASCII來說高字節的0對他毫無用處。為了解決這個問題，就出現了一些中間格式的字符集，他們被稱為通用轉換格式，即UTF（Unicode Transformation Format）。
UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼。由Ken Thompson于1992年創建。現在已經標準化為RFC 3629。UTF-8用1到4個字節編碼UNICODE字符。用在網頁上可以同一頁面顯示中文簡體繁體及其它語言（如英文，日文，韓文）。
UTF-16：
UTF-16是Unicode字符編碼五層次模型的第三層：字符編碼表（Character Encoding Form，也稱為 "storage format"）的一種實現方式。即把Unicode字符集的抽象碼位映射為16位長的整數（即碼元）的序列，用于數據存儲或傳遞。Unicode字符的碼位，需要1個或者2個16位長的碼元來表示，因此這是一個定長表示。Java語言默認使用UTF-16作為內存的字符存儲格式。
二、?各種亂碼的處理
亂碼的處理問題因為產生原因不同，需要使用不同的方式進行處理，現就不同的問題分情況討論如下：
1.?響應中的亂碼處理
A.?使用字節輸出流輸出響應：
String?data?=?"傳智播客"；
response.getOutputStream().write(data.getBytes());
經實測不會發生亂碼問題，原因是String的getBytes()方法默認使用本地平臺默認編碼將字符串轉換為字節數組，而我們中文的windows操作系統默認使用GBK編碼。而在用戶端，瀏覽器默認也使用操作系統默認編碼解析網頁，在windows系統下默認也是GBK。發送端及接收端編碼一致，所以不會產生亂碼問題。
由于UTF-8編碼是國際上通用的編碼，所以我們在做Web開發時，通常使用UTF-8編碼。但是如果使用getBytes("UTF-8")得到字節數組，并發送給客戶端，此時會產生亂碼問題。原因是因為getBytes("UTF-8")實際是指定按照UTF-8編碼將字符串轉換成字節數組。而瀏覽器此時默認仍然使用本地平臺默認編碼進行解碼就會發生亂碼問題。
此時的顯示效果如下：
此時可以使用以下方式解決亂碼問題：
方法一：手工調整瀏覽器的編碼
點擊鼠標右鍵，在彈出菜單中選擇編碼，之后選擇UTF-8編碼。
方法二：使用html規范中的meta標簽設置
添加上述代碼后，文字顯示正常。
方法三：使用Response對象的setHeader()方法設置Content-Type頭
另外，按照HTTP協議的規定，如果指定了消息正文的MIME類型后，瀏覽器就必須按照MIME類型解析，所以可以通過設置響應消息頭Content-Type的值為text/html，并指定參數charset=UTF-8來使瀏覽器使用UTF-8解析頁面。
方法四：使用Response對象的setContentType()方法設置MIME類型及編碼
由于方法三的使用頻率比較高，所以在制定Servlet規范時，JCP組織抽取了一個比較簡單的方法，此方法與方法三的原理相同，只是更簡單，在實際工作中，我們通常使用此方法指定MIME類型。
B.?使用字符輸出流輸出響應：
Response對象的getWriter()方法可以返回一個PrintWriter對象，輸出的內容會暫存在緩沖區中。當響應結束時，Tomcat使用默認編碼ISO-8859-1將Response對象的響應消息正文轉換為二進制數據輸出給客戶端，而瀏覽器使用本地平臺默認編碼進行解碼，從而導致亂碼。
處理方式：使用response.setCharacterEncoding("UTF-8")方法告知Tomcat使用UTF-8而不是ISO-8859-1對響應消息正文進行編碼。另外，還需要使用response.setContentType("text/html;charset=UTF-8")告知瀏覽器使用UTF-8編碼解碼傳遞過來的數據。
修改后的顯示效果如下：
2.?請求中的亂碼處理
在用戶提交表單時，瀏覽器會按照當前頁面的編碼設置對中文字符進行編碼，并將內容生成請求消息發送給服務器進行解析。Tomcat服務器得到請求消息后，會依據表單數據的位置不同，做不同的處理。
當提交方法(method)是POST時，表單數據會置于請求消息正文中，Tomcat默認使用ISO-8859-1對此部分內容進行解碼，此時需要使用Request.setCharacterEncoding("UTF-8")告知服務器使用UTF-8編碼對請求消息正文進行解碼。
當提交方法(method)是GET時，表單數據會置于請求消息行中，并使用URL標準編碼方式進行二次編碼。而Tomcat得到此部分數據后，會先使用URL標準規范進行解碼，然后默認使用ISO-8859-1再進行二次解碼。此時如果使用Request.getParamater()方法得到String字符串得到的是經過ISO-8859-1解碼的字符串，故會發生亂碼問題。對于此種情況，需要將得到的字符串重新按照ISO-8859-1打回字節數組，再重新解碼方可。
3.?cookie中的亂碼處理；
因為cookie是分別使用Set-Cookie和Cookie消息頭在響應和請求消息頭中進行傳輸的，而HTTP協議中，響應消息和請求消息中只能使用英文字符，中文字符是不安全字符無法直接使用。故在將中文存入Cookie中時，需要進行編碼操作。我們可以使用URLEncoder工具類的encode()方法對中文進行編碼，在讀取時使用URLDecoder工具類的decode()方法進行解碼。
使用URLEncoder.encode()方法對username字符串進行編碼后再創建Cookie對象如下圖：
使用URLDecoder.decode()方法對username字符串進行解碼如下圖：
三、 總結
以上的例子只是拋磚引玉，只要我們能抓住問題的關鍵，了解亂碼的本質，那么亂碼什么的都是浮云。
總結
以上是生活随笔為你收集整理的JavaWeb中文编码问题方法解析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Linux内存管理（.text .da
- 下一篇： 牛掰，“基础-中级-高级”Java程序员