Java在web頁面上的編碼解碼處理及中文URL亂碼解決

更新時間：2016年02月29日 08:58:12 作者：chenssy

這篇文章主要介紹了Java在web頁面上的編碼解碼處理及中文URL亂碼解決,文中所介紹的兩種使用過濾器解決中文鏈接亂碼的方法非常有效,需要的朋友可以參考下

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：

201622985247492.gif (617×260)

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？下面將一一解答！首先看URL的組成部分：

201622985312692.png (795×222)

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：

201622985337260.png (1129×354)

201622985358250.png (1075×225)

201622985418423.png (654×246)

可以看到各大瀏覽器對“我是”的編碼情況如下：

	path部分	Query String
Firefox	E6 88 91 E6 98 AF	E6 88 91 E6 98 AF
Chrome	E6 88 91 E6 98 AF	E6 88 91 E6 98 AF
IE	E6 88 91 E6 98 AF	CE D2 CA C7

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) 。

解決URL中文亂碼問題
我們主要通過兩種形式提交向服務(wù)器發(fā)送請求：URL、表單。而表單形式一般都不會出現(xiàn)亂碼問題，亂碼問題主要是在URL上面。通過前面幾篇博客的介紹我們知道URL向服務(wù)器發(fā)送請求編碼過程實在是實在太混亂了。不同的操作系統(tǒng)、不同的瀏覽器、不同的網(wǎng)頁字符集，將導(dǎo)致完全不同的編碼結(jié)果。如果程序員要把每一種結(jié)果都考慮進(jìn)去，是不是太恐怖了？有沒有辦法，能夠保證客戶端只用一種編碼方法向服務(wù)器發(fā)出請求？
有！這里我主要提供以下幾種方法
javascript
使用javascript編碼不給瀏覽器插手的機(jī)會，編碼之后再向服務(wù)器發(fā)送請求，然后在服務(wù)器中解碼。在掌握該方法的時候，我們需要料及javascript編碼的三個方法：escape()、encodeURI()、encodeURIComponent()。
escape
采用SIO Latin字符集對指定的字符串進(jìn)行編碼。所有非ASCII字符都會被編碼為%xx格式的字符串，其中xx表示該字符在字符集中所對應(yīng)的16進(jìn)制數(shù)字。例如，格式對應(yīng)的編碼為%20。它對應(yīng)的解碼方法為unescape()。

201622985532729.png (334×181)

事實上escape()不能直接用于URL編碼，它的真正作用是返回一個字符的Unicode編碼值。比如上面“我是cm”的結(jié)果為%u6211%u662Fcm，其中“我”對應(yīng)的編碼為6211，“是”的編碼為662F，“cm”編碼為cm。
注意，escape()不對"+"編碼。但是我們知道，網(wǎng)頁在提交表單的時候，如果有空格，則會被轉(zhuǎn)化為+字符。服務(wù)器處理數(shù)據(jù)的時候，會把+號處理成空格。所以，使用的時候要小心。
encodeURI
對整個URL進(jìn)行編碼，它采用的是UTF-8格式輸出編碼后的字符串。不過encodeURI除了ASCII編碼外對于一些特殊的字符也不會進(jìn)行編碼如：! @ # $& * ( ) = : / ; ? + '。

201622985556654.png (1018×73)

encodeURIComponent
把URI字符串采用UTF-8編碼格式轉(zhuǎn)化成escape格式的字符串。相對于encodeURI，encodeURIComponent會更加強(qiáng)大，它會對那些在encodeURI()中不被編碼的符號（; / ? : @ & = + $ , #）統(tǒng)統(tǒng)會被編碼。但是encodeURIComponent只會對URL的組成部分進(jìn)行個別編碼，而不用于對整個URL進(jìn)行編碼。對應(yīng)解碼函數(shù)方法decodeURIComponent。
當(dāng)然我們一般都是使用encodeURI方來進(jìn)行編碼操作。所謂的javascript兩次編碼后臺兩次解碼就是使用該方法。javascript解決該問題有一次轉(zhuǎn)碼、兩次轉(zhuǎn)碼兩種解決方法。
一次轉(zhuǎn)碼
javascript轉(zhuǎn)碼：

var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm'; 
window.location.href = encodeURI(url);

轉(zhuǎn)碼后的URL：http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%E6%88%91%E6%98%AFcm
后臺處理:

String name = request.getParameter("name"); 
System.out.println("前臺傳入?yún)?shù)：" + name); 
name = new String(name.getBytes("ISO-8859-1"),"UTF-8"); 
System.out.println("經(jīng)過解碼后參數(shù)：" + name);

輸出結(jié)果：
前臺傳入?yún)?shù)：??????cm
經(jīng)過解碼后參數(shù)：我是cm
二次轉(zhuǎn)碼
javascript

var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm'; 
window.location.href = encodeURI(encodeURI(url));

轉(zhuǎn)碼后的url:http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%25E6%2588%2591%25E6%2598%25AFcm
后臺處理：

String name = request.getParameter("name"); 
System.out.println("前臺傳入?yún)?shù)：" + name); 
name = URLDecoder.decode(name,"UTF-8"); 
System.out.println("經(jīng)過解碼后參數(shù)：" + name);

輸出結(jié)果：
前臺傳入?yún)?shù)：E68891E698AFcm
經(jīng)過解碼后參數(shù)：我是cm

filter
使用過濾器，過濾器提供兩種，第一種設(shè)置編碼，第二種直接在過濾器中進(jìn)行解碼操作。
過濾器1
該過濾器是直接設(shè)置request的編碼格式的。

public class CharacterEncoding implements Filter { 
 
 private FilterConfig config ; 
 String encoding = null; 
  
 public void destroy() { 
  config = null; 
 } 
 
 public void doFilter(ServletRequest request, ServletResponse response, 
   FilterChain chain) throws IOException, ServletException { 
  request.setCharacterEncoding(encoding); 
  chain.doFilter(request, response); 
 } 
 
 public void init(FilterConfig config) throws ServletException { 
  this.config = config; 
  //獲取配置參數(shù) 
  String str = config.getInitParameter("encoding"); 
  if(str!=null){ 
   encoding = str; 
  } 
 } 
 
}

配置：

<!-- 中文過濾器的配置 --> 
 <filter> 
  <filter-name>chineseEncoding</filter-name> 
  <filter-class>com.test.filter.CharacterEncoding</filter-class> 
   
  <init-param> 
   <param-name>encoding</param-name> 
   <param-value>utf-8</param-value> 
  </init-param> 
 </filter> 
  
 <filter-mapping> 
  <filter-name>chineseEncoding</filter-name> 
  <url-pattern>/*</url-pattern> 
 </filter-mapping>

過濾器2
該過濾器在處理方法中將參數(shù)直接進(jìn)行解碼操作，然后將解碼后的參數(shù)重新設(shè)置到request的attribute中。

public class CharacterEncoding implements Filter { 
 protected FilterConfig filterConfig ; 
 String encoding = null; 
  
 public void destroy() { 
  this.filterConfig = null; 
 } 
 
 /** 
  * 初始化 
  */ 
 public void init(FilterConfig filterConfig) { 
  this.filterConfig = filterConfig; 
 } 
 
 /** 
  * 將 inStr 轉(zhuǎn)為 UTF-8 的編碼形式 
  * 
  * @param inStr 輸入字符串 
  * @return UTF - 8 的編碼形式的字符串 
  * @throws UnsupportedEncodingException 
  */ 
 private String toUTF(String inStr) throws UnsupportedEncodingException { 
  String outStr = ""; 
  if (inStr != null) { 
   outStr = new String(inStr.getBytes("iso-8859-1"), "UTF-8"); 
  } 
  return outStr; 
 } 
 
 /** 
  * 中文亂碼過濾處理 
  */ 
 public void doFilter(ServletRequest servletRequest, 
   ServletResponse servletResponse, FilterChain chain) throws IOException, 
   ServletException { 
  HttpServletRequest request = (HttpServletRequest) servletRequest; 
  HttpServletResponse response = (HttpServletResponse) servletResponse; 
 
  // 獲得請求的方式 (1.post or 2.get), 根據(jù)不同請求方式進(jìn)行不同處理 
  String method = request.getMethod(); 
  // 1. 以 post 方式提交的請求 , 直接設(shè)置編碼為 UTF-8 
  if (method.equalsIgnoreCase("post")) { 
   try { 
    request.setCharacterEncoding("UTF-8"); 
   } catch (UnsupportedEncodingException e) { 
    e.printStackTrace(); 
   } 
  } 
  // 2. 以 get 方式提交的請求 
  else { 
   // 取出客戶提交的參數(shù)集 
   Enumeration<String> paramNames = request.getParameterNames(); 
   // 遍歷參數(shù)集取出每個參數(shù)的名稱及值 
   while (paramNames.hasMoreElements()) { 
    String name = paramNames.nextElement(); // 取出參數(shù)名稱 
    String values[] = request.getParameterValues(name); // 根據(jù)參數(shù)名稱取出其值 
    // 如果參數(shù)值集不為空 
    if (values != null) { 
     // 遍歷參數(shù)值集 
     for (int i = 0; i < values.length; i++) { 
      try { 
       // 回圈依次將每個值調(diào)用 toUTF(values[i]) 方法轉(zhuǎn)換參數(shù)值的字元編碼 
       String vlustr = toUTF(values[i]); 
       values[i] = vlustr; 
      } catch (UnsupportedEncodingException e) { 
       e.printStackTrace(); 
      } 
     } 
     // 將該值以屬性的形式藏在 request 
     request.setAttribute(name, values); 
    } 
   } 
 
  } 
  // 設(shè)置響應(yīng)方式和支持中文的字元集 
  response.setContentType("text/html;charset=UTF-8"); 
 
  // 繼續(xù)執(zhí)行下一個 filter, 無一下個 filter 則執(zhí)行請求 
  chain.doFilter(request, response); 
 } 
}

配置：

<!-- 中文過濾器的配置 --> 
 <filter> 
  <filter-name>chineseEncoding</filter-name> 
  <filter-class>com.test.filter.CharacterEncoding</filter-class> 
 </filter> 
  
 <filter-mapping> 
  <filter-name>chineseEncoding</filter-name> 
  <url-pattern>/*</url-pattern> 
 </filter-mapping>

其他
1、設(shè)置pageEncoding、contentType

<%@ page language="java" contentType="text/html;charset=UTF-8" pageEncoding="UTF-8"%>

2、設(shè)置tomcat的URIEncoding
在默認(rèn)情況下，tomcat服務(wù)器使用的是ISO-8859-1編碼格式來編碼的，URIEncoding參數(shù)對get請求的URL進(jìn)行編碼，所以我們只需要在tomcat的server.xml文件的<Connector>標(biāo)簽中加上URIEncoding="utf-8"即可。

您可能感興趣的文章: