Java/J2EE中文問題

和文明及黃小寧討論了字符集問題,在此補充個參考資料備用

http://www.jdon.com/idea/chinesejava.htm

Java/J2EE中文問題終極解決之道

板橋里人 http://www.jdon.com 2005/06/29

　　Java中文問題一直困擾著很多初學者，如果了解了Java系統(tǒng)的中文問題原理，我們就可以對中文問題能夠采取根本的解決之道。

　　最古老的解決方案是使用String的字節(jié)碼轉(zhuǎn)換，這種方案問題是不方便，我們需要破壞對象封裝性，進行字節(jié)碼轉(zhuǎn)換。

　　還有一種方式是對J2EE容器進行編碼設置，如果J2EE應用系統(tǒng)脫離該容器，則會發(fā)生亂碼，而且指定容器配置不符合J2EE應用和容器分離的原則。

　　在Java內(nèi)部運算中，涉及到的所有字符串都會被轉(zhuǎn)化為UTF-8編碼來進行運算。那么，在被Java轉(zhuǎn)化之前，字符串是什么樣的字符集？ Java總是根據(jù)操作系統(tǒng)的默認編碼字符集來決定字符串的初始編碼，而且Java系統(tǒng)的輸入和輸出的都是采取操作系統(tǒng)的默認編碼。

　　因此，如果能統(tǒng)一Java系統(tǒng)的輸入、輸出和操作系統(tǒng)3者的編碼字符集合，將能夠使Java系統(tǒng)正確處理和顯示漢字。這是處理Java系統(tǒng)漢字的一個原則，但是在實際項目中，能夠正確抓住和控制住Java系統(tǒng)的輸入和輸出部分是比較難的。J2EE中，由于涉及到外部瀏覽器和數(shù)據(jù)庫等，所以中文問題亂碼顯得非常突出。

　　J2EE應用程序是運行在J2EE容器中。在這個系統(tǒng)中，輸入途徑有很多種：一種是通過頁面表單打包成請求（request）發(fā)往服務器的；第二種是通過數(shù)據(jù)庫讀入；還有第3種輸入比較復雜，JSP在第一次運行時總是被編譯成Servlet，JSP中常常包含中文字符，那么編譯使用javac時，Java將根據(jù)默認的操作系統(tǒng)編碼作為初始編碼。除非特別指定，如在Jbuilder/eclipse中可以指定默認的字符集。

　　輸出途徑也有幾種：第一種是JSP頁面的輸出。由于JSP頁面已經(jīng)被編譯成Servlet，那么在輸出時，也將根據(jù)操作系統(tǒng)的默認編碼來選擇輸出編碼，除非指定輸出編碼方式；還有輸出途徑是數(shù)據(jù)庫，將字符串輸出到數(shù)據(jù)庫。

　　由此看來，一個J2EE系統(tǒng)的輸入輸出是非常復雜，而且是動態(tài)變化的，而Java是跨平臺運行的，在實際編譯和運行中，都可能涉及到不同的操作系統(tǒng)，如果任由Java自由根據(jù)操作系統(tǒng)來決定輸入輸出的編碼字符集，這將不可控制地出現(xiàn)亂碼。

　　正是由于Java的跨平臺特性，使得字符集問題必須由具體系統(tǒng)來統(tǒng)一解決，所以在一個Java應用系統(tǒng)中，解決中文亂碼的根本辦法是明確指定整個應用系統(tǒng)統(tǒng)一字符集。

　　指定統(tǒng)一字符集時，到底是指定ISO8859_1 、GBK還是UTF-8呢？

　　（1）如統(tǒng)一指定為ISO8859_1，因為目前大多數(shù)軟件都是西方人編制的，他們默認的字符集就是ISO8859_1，包括操作系統(tǒng)Linux和數(shù)據(jù)庫MySQL等。這樣，如果指定Jive統(tǒng)一編碼為ISO8859_1，那么就有下面3個環(huán)節(jié)必須把握：

　　開發(fā)和編譯代碼時指定字符集為ISO8859_1。

　　運行操作系統(tǒng)的默認編碼必須是ISO8859_1，如Linux。

　　在JSP頭部聲明：<%@ page contentType="text/html;charset=ISO8859_1" %>。

　?。?）如果統(tǒng)一指定為GBK中文字符集，上述3個環(huán)節(jié)同樣需要做到，不同的是只能運行在默認編碼為GBK的操作系統(tǒng)，如中文Windows。

　　統(tǒng)一編碼為ISO8859_1和GBK雖然帶來編制代碼的方便，但是各自只能在相應的操作系統(tǒng)上運行。但是也破壞了Java跨平臺運行的優(yōu)越性，只在一定范圍內(nèi)行得通。例如，為了使得GBK編碼在linux上運行，設置Linux編碼為GBK。

　　那么有沒有一種除了應用系統(tǒng)以外不需要進行任何附加設置的中文編碼根本解決方案呢？

　　將Java/J2EE系統(tǒng)的統(tǒng)一編碼定義為UTF-8。UTF-8編碼是一種兼容所有語言的編碼方式，惟一比較麻煩的就是要找到應用系統(tǒng)的所有出入口，然后使用UTF-8去“結(jié)扎”它。

　　一個J2EE應用系統(tǒng)需要做下列幾步工作：

1. 開發(fā)和編譯代碼時指定字符集為UTF-8。JBuilder和Eclipse都可以在項目屬性中設置。
2. 使用過濾器，如果所有請求都經(jīng)過一個Servlet控制分配器，那么使用Servlet的filter執(zhí)行語句，將所有來自瀏覽器的請求（request）轉(zhuǎn)換為UTF-8，因為瀏覽器發(fā)過來的請求包根據(jù)瀏覽器所在的操作系統(tǒng)編碼，可能是各種形式編碼。關(guān)鍵一句：
   request.setCharacterEncoding("UTF-8")。
   網(wǎng)上有此filter的源碼，Jdon框架源碼中com.jdon.util.SetCharacterEncodingFilter
   需要配置web.xml 激活該Filter。
3. 在JSP頭部聲明：<%@ page contentType="text/html;charset= UTF-8" %>。
4. 在Jsp的html代碼中，聲明UTF-8:
   
5. 設定數(shù)據(jù)庫連接方式是UTF-8。例如連接MYSQL時配置URL如下：
   jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8
   注意，上述寫法是JBoss的mysql-ds.xml寫法，多虧網(wǎng)友提示，在tomcat中&要寫成&即可。一般其他數(shù)據(jù)庫都可以通過管理設置設定UTF-8
6. 其他和外界交互時能夠設定編碼時就設定UTF-8，例如讀取文件，操作XML等。