javaWeb中的編碼解碼

在上篇博客中LZ介紹了前面兩種場景（IO、內(nèi)存）中的java編碼解碼操作，其實在這兩種場景中我們只需要在編碼解碼過程中設(shè)置正確的編碼解碼方式一般而言是不會出現(xiàn)亂碼的。對于我們從事java開發(fā)的人而言，其實最容易也是產(chǎn)生亂碼最多的地方就是web部分。首先我們來看在javaWeb中有哪些地方存在編碼轉(zhuǎn)換操作。

編碼&解碼

通過下圖我們可以了解在javaWeb中有哪些地方有轉(zhuǎn)碼：

http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/6.1.png" alt="" />

用戶想服務(wù)器發(fā)送一個HTTP請求，需要編碼的地方有url、cookie、parameter，經(jīng)過編碼后服務(wù)器接受HTTP請求，解析HTTP請求，然后對url、cookie、parameter進(jìn)行解碼。在服務(wù)器進(jìn)行業(yè)務(wù)邏輯處理過程中可能需要讀取數(shù)據(jù)庫、本地文件或者網(wǎng)絡(luò)中的其他文件等等，這些過程都需要進(jìn)行編碼解碼。當(dāng)處理完成后，服務(wù)器將數(shù)據(jù)進(jìn)行編碼后發(fā)送給客戶端，瀏覽器經(jīng)過解碼后顯示給用戶。在這個整個過程中涉及的編碼解碼的地方較多，其中最容易出現(xiàn)亂碼的位置就在于服務(wù)器與客戶端進(jìn)行交互的過程。

上面整個過程可以概括成這樣，頁面編碼數(shù)據(jù)傳遞給服務(wù)器，服務(wù)器對獲得的數(shù)據(jù)進(jìn)行解碼操作，經(jīng)過一番業(yè)務(wù)邏輯處理后將最終結(jié)果編碼處理后傳遞給客戶端，客戶端解碼展示給用戶。所以下面我就請求對javaweb的編碼&解碼進(jìn)行闡述。

請求

客戶端想服務(wù)器發(fā)送請求無非就通過四中情況：

1、URL方式直接訪問。

2、頁面鏈接。

3、表單get提交

4、表單post提交

URL方式

對于URL，如果該URL中全部都是英文的那倒是沒有什么問題，如果有中文就要涉及到編碼了。如何編碼？根據(jù)什么規(guī)則來編碼？又如何來解碼呢？下面LZ將一一解答！首先看URL的組成部分：

http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/6.2.png" alt="" />

在這URL中瀏覽器將會對path和parameter進(jìn)行編碼操作。為了更好地解釋編碼過程，使用如下URL

http://127.0.0.1:8080/perbank/我是cm?name=我是cm

將以上地址輸入到瀏覽器URL輸入框中，通過查看http 報文頭信息我們可以看到瀏覽器是如何進(jìn)行編碼的。下面是IE、Firefox、Chrome三個瀏覽器的編碼情況：

http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/6.3.png" alt="" />

http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/6.4.png" alt="" />

http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/6.5.png" alt="" />

可以看到各大瀏覽器對“我是”的編碼情況如下：

查閱上篇博客的編碼可知對于path部分Firefox、chrome、IE都是采用UTF-8編碼格式，對于Query String部分Firefox、chrome采用UTF-8，IE采用GBK。至于為什么會加上%，這是因為URL的編碼規(guī)范規(guī)定瀏覽器將ASCII字符非 ASCII 字符按照某種編碼格式編碼成 16 進(jìn)制數(shù)字然后將每個 16 進(jìn)制表示的字節(jié)前加上“%”。

當(dāng)然對于不同的瀏覽器，相同瀏覽器不同版本，不同的操作系統(tǒng)等環(huán)境都會導(dǎo)致編碼結(jié)果不同，上表某一種情況，對于URL編碼規(guī)則下任何結(jié)論都是過早的。由于各大瀏覽器、各個操作系統(tǒng)對URL的URI、QueryString編碼都可能存在不同，這樣對服務(wù)器的解碼勢必會造成很大的困擾，下面我們將已tomcat，看tomcat是如何對URL進(jìn)行解碼操作的。

解析請求的 URL 是在 org.apache.coyote.HTTP11.InternalInputBuffer 的 parseRequestLine 方法中，這個方法把傳過來的 URL 的 byte[] 設(shè)置到 org.apache.coyote.Request 的相應(yīng)的屬性中。這里的 URL 仍然是 byte 格式，轉(zhuǎn)成 char 是在 org.apache.catalina.connector.CoyoteAdapter 的 convertURI 方法中完成的：

protected void convertURI(MessageBytes uri, Request request) 
             throws Exception { 
                    ByteChunk bc = uri.getByteChunk(); 
                    int length = bc.getLength(); 
                    CharChunk cc = uri.getCharChunk(); 
                    cc.allocate(length, -1); 
                    String enc = connector.getURIEncoding();     //獲取URI解碼集
                    if (enc != null) { 
                        B2CConverter conv = request.getURIConverter(); 
                        try { 
                            if (conv == null) { 
                                conv = new B2CConverter(enc); 
                                request.setURIConverter(conv); 
                            } 
                        } catch (IOException e) {...} 
                        if (conv != null) { 
                            try { 
                                conv.convert(bc, cc, cc.getBuffer().length - cc.getEnd()); 
                                uri.setChars(cc.getBuffer(), cc.getStart(), cc.getLength()); 
                                return; 
                            } catch (IOException e) {...} 
                        } 
                    } 
                    // Default encoding: fast conversion 
                    byte[] bbuf = bc.getBuffer(); 
                    char[] cbuf = cc.getBuffer(); 
                    int start = bc.getStart(); 
                    for (int i = 0; i < length; i++) { 
                        cbuf[i] = (char) (bbuf[i + start] & 0xff); 
                    } 
                    uri.setChars(cbuf, 0, length); 
    }

從上面的代碼可知，對URI的解碼操作是首先獲取Connector的解碼集，該配置在server.xml中

<Connector URIEncoding="utf-8"  />

如果沒有定義則會采用默認(rèn)編碼ISO-8859-1來解析。

對于Query String部分，我們知道無論我們是通過get方式還是POST方式提交，所有的參數(shù)都是保存在Parameters，然后我們通過request.getParameter，解碼工作就是在第一次調(diào)用getParameter方法時進(jìn)行的。在getParameter方法內(nèi)部它調(diào)用org.apache.catalina.connector.Request 的 parseParameters 方法，這個方法將會對傳遞的參數(shù)進(jìn)行解碼。下面代碼只是parseParameters方法的一部分：

          //獲取編碼
             String enc = getCharacterEncoding();
            //獲取ContentType 中定義的 Charset
            boolean useBodyEncodingForURI = connector.getUseBodyEncodingForURI();
            if (enc != null) {    //如果設(shè)置編碼不為空，則設(shè)置編碼為enc
                parameters.setEncoding(enc);
                if (useBodyEncodingForURI) {   //如果設(shè)置了Chartset，則設(shè)置queryString的解碼為ChartSet
                    parameters.setQueryStringEncoding(enc);    
                }
            } else {     //設(shè)置默認(rèn)解碼方式
                parameters.setEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING);
                if (useBodyEncodingForURI) {
                    parameters.setQueryStringEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING);
                }
            }

從上面代碼可以看出對query String的解碼格式要么采用設(shè)置的ChartSet要么采用默認(rèn)的解碼格式ISO-8859-1。注意這個設(shè)置的ChartSet是在 http Header中定義的ContentType，同時如果我們需要改指定屬性生效，還需要進(jìn)行如下配置：

<Connector URIEncoding="UTF-8" useBodyEncodingForURI="true"/>

上面部分詳細(xì)介紹了URL方式請求的編碼解碼過程。其實對于我們而言，我們更多的方式是通過表單的形式來提交。

表單GET

我們知道通過URL方式提交數(shù)據(jù)是很容易產(chǎn)生亂碼問題的，所以我們更加傾向于通過表單形式。當(dāng)用戶點(diǎn)擊submit提交表單時，瀏覽器會更加設(shè)定的編碼來編碼數(shù)據(jù)傳遞給服務(wù)器。通過GET方式提交的數(shù)據(jù)都是拼接在URL后面（可以當(dāng)做query String？？）來提交的，所以tomcat服務(wù)器在進(jìn)行解碼過程中URIEncoding就起到作用了。tomcat服務(wù)器會根據(jù)設(shè)置的URIEncoding來進(jìn)行解碼，如果沒有設(shè)置則會使用默認(rèn)的ISO-8859-1來解碼。假如我們在頁面將編碼設(shè)置為UTF-8，而URIEncoding設(shè)置的不是或者沒有設(shè)置，那么服務(wù)器進(jìn)行解碼時就會產(chǎn)生亂碼。這個時候我們一般可以通過new String(request.getParameter(“name”).getBytes(“iso-8859-1″),”utf-8″) 的形式來獲取正確數(shù)據(jù)。

表單POST

對于POST方式，它采用的編碼也是由頁面來決定的即contentType。當(dāng)我通過點(diǎn)擊頁面的submit按鈕來提交表單時，瀏覽器首先會根據(jù)ontentType的charset編碼格式來對POST表單的參數(shù)進(jìn)行編碼然后提交給服務(wù)器，在服務(wù)器端同樣也是用contentType中設(shè)置的字符集來進(jìn)行解碼（這里與get方式就不同了），這就是通過POST表單提交的參數(shù)一般而言都不會出現(xiàn)亂碼問題。當(dāng)然這個字符集編碼我們是可以自己設(shè)定的：request.setCharacterEncoding(charset) 。