JSP和Servlet對(duì)中文的處理方式

Java程序員都曾遇到過(guò)這樣的問(wèn)題：輸入的中文不能正確顯示在界面上，保存在數(shù)據(jù)庫(kù)中的也是一堆亂碼，或者數(shù)據(jù)庫(kù)或數(shù)據(jù)文件中存放的是正確的中文，可是在Java程序中看到的卻是一大串的“？”。

這就是通常所說(shuō)的“中文問(wèn)題”。

在實(shí)際編程時(shí)，接觸得比較多的是GB2312（GBK）和ISO8859-1。

在實(shí)際編程時(shí)，接觸得比較多的是GB2312（GBK）和ISO8859-1。

　　為什么會(huì)有“?”號(hào)

　　上文說(shuō)過(guò)，異種語(yǔ)言之間的轉(zhuǎn)換是通過(guò)Unicode來(lái)完成的。假設(shè)有兩種不同的語(yǔ)言A和B，轉(zhuǎn)換的步驟為：先把A轉(zhuǎn)化為Unicode，再把Unicode轉(zhuǎn)化為B。

　　舉例說(shuō)明。有GB2312中有一個(gè)漢字“李”，其編碼為“C0EE”，欲轉(zhuǎn)化為ISO8859-1編碼。步驟為：先把“李”字轉(zhuǎn)化為Unicode，得到“674E”，再把“674E”轉(zhuǎn)化為ISO8859-1字符。當(dāng)然，這個(gè)映射不會(huì)成功，因?yàn)镮SO8859-1中根本就沒(méi)有與“674E”對(duì)應(yīng)的字符。

　　當(dāng)映射不成功時(shí)，問(wèn)題就發(fā)生了！當(dāng)從某語(yǔ)言向Unicode轉(zhuǎn)化時(shí)，如果在某語(yǔ)言中沒(méi)有該字符，得到的將是Unicode的代碼“uffffd”（“u”表示是Unicode編碼，）。而從Unicode向某語(yǔ)言轉(zhuǎn)化時(shí)，如果某語(yǔ)言沒(méi)有對(duì)應(yīng)的字符，則得到的是“0x3f”（“?”）。這就是“?”的由來(lái)。

　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”進(jìn)行new String(buf, "gb2312")操作，得到的結(jié)果是“ufffdu554a”，再println出來(lái)，得到的結(jié)果將是“?啊”，因?yàn)椤?x80 0x40”是GBK中的字符，在GB2312中沒(méi)有。

　　再如，把字符串String="u00d6u00ecu00e9u0046u00bbu00f9"進(jìn)行new String (buf.getBytes("GBK"))操作，得到的結(jié)果是“3fa8aca8a6463fa8b4”，其中，“u00d6”在“GBK”中沒(méi)有對(duì)應(yīng)的字符，得到“3f”，“u00ec”對(duì)應(yīng)著“a8ac”，“u00e9”對(duì)應(yīng)著“a8a6”，“0046”對(duì)應(yīng)著“46”（因?yàn)檫@是ASCII字符），“u00bb”沒(méi)找到，得到“3f”，最后，“u00f9”對(duì)應(yīng)著“a8b4”。把這個(gè)字符串println一下，得到的結(jié)果是“?ìéF?ù”?？吹?jīng)]？這里并不全是問(wèn)號(hào)，因?yàn)镚BK與Unicode映射的內(nèi)容中除了漢字外還有字符，本例就是最好的明證。

　　所以，在漢字轉(zhuǎn)碼時(shí)，如果發(fā)生錯(cuò)亂，得到的不一定都是問(wèn)號(hào)噢！不過(guò)，錯(cuò)了終究是錯(cuò)了，50步和100步并沒(méi)有質(zhì)的差別。

　　或者會(huì)問(wèn)：如果源字符集中有，而Unicode中沒(méi)有，結(jié)果會(huì)如何？回答是不知道。因?yàn)槲沂诸^沒(méi)有能做這個(gè)測(cè)試的源字符集。但有一點(diǎn)是肯定的，那就是源字符集不夠規(guī)范。在Java中，如果發(fā)生這種情況，是會(huì)拋出異常的。
　　什么是UTF

　　UTF，是Unicode Text Format的縮寫(xiě)，意為Unicode文本格式。對(duì)于UTF，是這樣定義的：

　?。?）如果Unicode的16位字符的頭9位是0，則用一個(gè)字節(jié)表示，這個(gè)字節(jié)的首位是“0”，剩下的7位與原字符中的后7位相同，如“u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（與源Unicode字符是相同的）；

　?。?）如果Unicode的16位字符的頭5位是0，則用2個(gè)字節(jié)表示，首字節(jié)是“110”開(kāi)頭，后面的5位與源字符中除去頭5個(gè)零后的最高5位相同；第二個(gè)字節(jié)以“10”開(kāi)頭，后面的6位與源字符中的低6位相同。如“u025d”（0000 0010 0101 1101），轉(zhuǎn)化后為“c99d”（1100 1001 1001 1101）；

　?。?）如果不符合上述兩個(gè)規(guī)則，則用三個(gè)字節(jié)表示。第一個(gè)字節(jié)以“1110”開(kāi)頭，后四位為源字符的高四位；第二個(gè)字節(jié)以“10”開(kāi)頭，后六位為源字符中間的六位；第三個(gè)字節(jié)以“10”開(kāi)頭，后六位為源字符的低六位；如“u9da7”（1001 1101 1010 0111），轉(zhuǎn)化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；

注：UTF是Unicode Transformation Format的縮寫(xiě)，意為Unicode轉(zhuǎn)換格式?？梢赃@么描述JAVA程序中Unicode與UTF的關(guān)系，雖然不絕對(duì)。字符串在內(nèi)存中運(yùn)行時(shí)，表現(xiàn)為Unicode代碼，而當(dāng)要保存到文件或其它介質(zhì)中去時(shí)，用的是UTF。這個(gè)轉(zhuǎn)化過(guò)程是由writeUTF和readUTF來(lái)完成得。

JSP：從源文件到Class的過(guò)程

JSP源文件是以“.jsp”結(jié)尾的文本文件。在本節(jié)中，將闡述JSP文件的解釋和編譯過(guò)程，并跟蹤其中中文內(nèi)容的變化。

一般地，JSP源文件經(jīng)過(guò)如下步驟后變成可被引擎執(zhí)行的Class文件：

1. JSP/Servlet引擎提供的JSP轉(zhuǎn)換工具（JSPC）搜索JSP文件中用<%@ page="" contenttype="text/html; charset=<Jsp-charset>">中指定的charset。如果在JSP文件中未指定，則默認(rèn)為ISO8859-1(或者說(shuō)是Latin-1)。

2. JSPC用相當(dāng)于“Javac -encoding”解釋JSP文件中出現(xiàn)的所有字符，包括中文字符和ASCII字符。然后把這些字符轉(zhuǎn)換成Unicode字符，再轉(zhuǎn)化成UTF格式，存為Java文件。ASCII碼字符轉(zhuǎn)化為Unicode字符時(shí)只是簡(jiǎn)單地在前面加“00”，如“A”，轉(zhuǎn)化為“u0041”。然后，經(jīng)過(guò)了UTF的轉(zhuǎn)換，又變回“41”了。這也就是可以使用普通文本編輯器查看由JSP生成的Java文件的原因。

3. 引擎用相當(dāng)于“Javac -encoding UTF-8”的命令，把Java文件編譯成Class文件。

先看一下這些過(guò)程中中文字符的轉(zhuǎn)換情況。有如下源代碼：



這段代碼是在UltraEdit for Windows上編寫(xiě)的。保存后，“中文”兩個(gè)字的16進(jìn)制編碼為“D6 D0 CE C4”（GB2312編碼）。經(jīng)查表，“中文”兩字的Unicode編碼為“u4E2Du6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打開(kāi)引擎生成的由JSP文件轉(zhuǎn)變成的Java文件，發(fā)現(xiàn)其中的“中文”兩個(gè)字的位置確實(shí)被“E4 B8 AD E6 96 87”替代了，再查看由Java文件編譯生成的Class文件，發(fā)現(xiàn)結(jié)果與Java文件中的完全一樣，也是“E4 B8 AD E6 96 87”。

再看JSP中指定的CharSet為ISO-8859-1的情況：



同樣，該文件是用UltraEdit編寫(xiě)的?！爸形摹边@兩個(gè)字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的Java文件和Class文件的過(guò)程：JSPC用ISO-8859-1來(lái)解釋“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁語(yǔ)系，其映射規(guī)則就是在每個(gè)字節(jié)前加“00”。所以，映射后的Unicode編碼應(yīng)為“u00D6u00D0 u00CEu00C4”，轉(zhuǎn)化成UTF后應(yīng)該是“C3 96 C3 90 C3 8E C3 84”。好，打開(kāi)文件Java文件和CLASS文件，“中文”兩個(gè)字的位置果然都表示為“C3 96 C3 90 C3 8E C3 84”。

如果上述代碼中不指定，即把第一行寫(xiě)成“<%@ page="" contenttype="text/html">”，JSPC會(huì)使用默認(rèn)的“ISO8859-1”來(lái)解釋JSP文件。

到現(xiàn)在為止，已經(jīng)解釋了從JSP文件到Class文件的轉(zhuǎn)變過(guò)程中中文字符的映射過(guò)程。一句話(huà)，從“Jsp-CharSet到Unicode再到UTF”。表2總結(jié)了這個(gè)過(guò)程：

Servlet：從源文件到Class的過(guò)程

Servlet源文件是以“.Java”結(jié)尾的文本文件。我們將討論Servlet的編譯過(guò)程并跟蹤其中的中文變化。

用“Javac”編譯Servlet源文件。Javac可以帶“-encoding”參數(shù)，意思是“用< Compile-charset >中指定的編碼來(lái)解釋Serlvet源文件”。

源文件在編譯時(shí)，用來(lái)解釋所有字符，包括中文字符和ASCII字符。然后把字符常量轉(zhuǎn)變成Unicode字符。最后，把Unicode轉(zhuǎn)變成UTF。

在Servlet中，還有一個(gè)地方設(shè)置輸出流的CharSet。通常在輸出結(jié)果前，調(diào)用HttpServletResponse的setContent Type方法來(lái)達(dá)到與在JSP中設(shè)置一樣的效果，稱(chēng)之為。

注意：文中一共提到了三個(gè)變量：、和。其中，JSP文件只與有關(guān)，而和只與Servlet有關(guān)。

看下例：

import Javax.servlet.*; import Javax.servlet.http.*; Class testServlet extends HttpServlet { public void doGet(HttpServletRequest req,HttpServletResponse resp) throws ServletException,Java.io.IOException { resp.setContentType("text/html; charset=GB2312"); Java.io.PrintWriter out=resp.getWriter(); out.println(""); out.println("#中文#"); out.println(""); } }

該文件也是用UltraEdit for Windows編寫(xiě)的，其中的“中文”兩個(gè)字保存為字節(jié)流“D6 D0 CE C4”（GB2312編碼）。

開(kāi)始編譯。表3是不同時(shí)，Class文件中“中文”兩字的十六進(jìn)制碼。在編譯過(guò)程中，不起任何作用。只對(duì)Class文件的輸出產(chǎn)生影響，可以說(shuō)和一起，達(dá)到與JSP文件中的相同的效果，因?yàn)?jsp-charset>對(duì)編譯過(guò)程和Class文件的輸出都會(huì)產(chǎn)生影響。

表3　“中文”從Servlet源文件到Class的轉(zhuǎn)變過(guò)程

Compile-charsetServlet源文件中Class文件中等效的Unicode碼GB2312D6 D0 CE C4(GB2312)E4 B8 AD E6 96 87(UTF)u4E2Du6587(在Unicode中＝“中文”)ISO-8859-1D6 D0 CE C4(GB2312)C3 96 C3 90C3 8E C3 84(UTF)u00d6u00D0u00CEu00C4(在D6 D0 CE C4前面各加了一個(gè)00)無(wú)（默認(rèn)）D6 D0 CE C4(GB2312)同ISO－8859－1同ISO－8859－1

注意：普通Java程序的編譯過(guò)程與Servlet完全一樣。

截止現(xiàn)在，從JSP或Servlet的源文件到Class文件的過(guò)程中中文內(nèi)容的蛻變歷程是不是昭然若揭了？OK，接下來(lái)看看Class文件中的中文又是怎樣被輸出的呢？

Class：輸出字符串

Class文件是Java程序的一種存儲(chǔ)載體。當(dāng)Class文件被虛擬機(jī)執(zhí)行時(shí)，通過(guò)readUTF把Class文件中的內(nèi)容讀入內(nèi)存中。字符串在內(nèi)存中表示為Unicode編碼。當(dāng)要把內(nèi)存中的內(nèi)容輸出到別的程序或是外圍設(shè)備(如終端)上去時(shí)，問(wèn)題就來(lái)了(為了簡(jiǎn)單起見(jiàn)，把“別的程序或外圍設(shè)備”稱(chēng)之為“輸出對(duì)象”)。

1.如果輸出對(duì)象能處理Unicode字符，則一切都很簡(jiǎn)單，只要把Unicode字符直接傳給輸出對(duì)象即可。

2.事實(shí)是，大多數(shù)輸出對(duì)象不能直接處理Unicode，它們只能處理ISO8859-1和GB2312等。在往輸出對(duì)象輸出字符串時(shí)，需要做一定的轉(zhuǎn)換才行。

看看下面的例子，給定一個(gè)有四個(gè)字符的Unicode字符串“00D6 00D0 00CE 00C4”，如果輸出到只能識(shí)別“ISO8859-1”的程序中去，則直接去掉前面的“00”即可得到目的字符串“D6 D0 CE C4”。假如把它們輸出到GB2312的程序中去，得到的結(jié)果很可能是一大堆亂碼。因?yàn)樵贕B2312中可能沒(méi)有（也有可能有）字符與00D6等字符對(duì)應(yīng)（如果對(duì)應(yīng)不上，將得到0x3f，也就是問(wèn)號(hào)，如果對(duì)應(yīng)上了，由于00D6等字符太靠前，估計(jì)也是一些特殊符號(hào)，真正的漢字在Unicode中的編碼從4E00開(kāi)始）。

同樣的Unicode字符，輸出到不同編碼的對(duì)象中去時(shí)，結(jié)果是不同的。當(dāng)然，這其中有一種是我們期望的結(jié)果。對(duì)于能處理中文的輸出對(duì)象而言，自然希望輸入的內(nèi)容(也就是Java程序輸出的內(nèi)容)是基于GB2312編碼有意義的中文字符串。

以上例而論，“D6 D0 CE C4”應(yīng)該是我們所想要的。當(dāng)把“D6 D0 CE C4”輸出到IE中時(shí)，用“簡(jiǎn)體中文”方式查看，就能看到清楚的“中文”兩個(gè)字了。

得出如下結(jié)論：

Java程序在輸出字符串前，必須先把Unicode的字符串按照某一種內(nèi)碼重新生成字節(jié)流，然后把字節(jié)流輸出給“輸出對(duì)象”，相當(dāng)于進(jìn)行了一步“String.getBytes(???)”操作，其中???代表一種字符集的名字。

1.如果是Servlet，這種字符集是在HttpServlet Response.setContentType()方法中指定的，也就是上文定義的。

2. 如果是JSP，這種字符集是在<%@ page="" content="" type="">中指定的，也就是上文定義的。

3. 如果是Java程序，這種字符集是由file.encoding中指定的，默認(rèn)為ISO8859-1。

當(dāng)輸出對(duì)象是瀏覽器時(shí)

以流行的瀏覽器IE為例。IE支持多種字符集。假如IE接收到了字節(jié)流“D6 D0 CE C4”，你可以嘗試用各種內(nèi)碼去查看。你會(huì)發(fā)現(xiàn)用“簡(jiǎn)體中文”時(shí)能得到正確的結(jié)果。因?yàn)椤癉6 D0 CE C4”本來(lái)就是簡(jiǎn)體中文中“中文”兩個(gè)字的編碼。

OK，完整地看一遍JSP和Servlet中，中文內(nèi)容的變化細(xì)節(jié)。

從JSP源文件到瀏覽器

前提：JSP源文件為GB2312格式的文本文件，且JSP源文件中有“中文”這兩個(gè)漢字

如果指定了為GB2312，轉(zhuǎn)化過(guò)程如表4。

表4 Jsp－charset=GB2312時(shí)的變化過(guò)程

序號(hào)步驟說(shuō)明結(jié)果1編寫(xiě)JSP源文件，且存為GB2312格式D6 D0 CE C4（D6D0=中 CEC4＝文）2JSPC把JSP源文件轉(zhuǎn)化為臨時(shí)Java文件，并把字符串按照GB2312映射到Unicode，并用UTF格式寫(xiě)入Java文件中E4 B8 AD E6 96 873把臨時(shí)Java文件編譯成Class文件E4 B8 AD E6 96 874運(yùn)行時(shí)，先從Class文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼4E 2D 65 87 （在Unicode中4E2D＝中 6587＝文）5根據(jù)Jsp－charset=GB2312 把Unicode轉(zhuǎn)化為字節(jié)流D6 D0 CE C46把字節(jié)流輸出到IE中，并設(shè)置IE的編碼為GB2312（作者按：這個(gè)信息隱藏在HTTP頭中）D6 D0 CE C47IE用“簡(jiǎn)體中文”查看結(jié)果“中文”（正確顯示）

如果指定了為ISO8859-1，轉(zhuǎn)化過(guò)程如表5。

表5 Jsp-charset=ISO8859-1時(shí)的變化過(guò)程

序號(hào)步驟說(shuō)明結(jié)果1編寫(xiě)JSP源文件，且存為GB2312格式D6 D0 CE C4（D6D0＝中 CEC4＝文）2JSPC把JSp源文件轉(zhuǎn)化為臨時(shí)Java文件，并把字符串按照ISO8859－1映射到Unicode，并用UTF格式寫(xiě)入Java文件中C3 96 C3 90 C3 8E C3 843把臨時(shí)Java文件編譯成Class文件C3 96 C3 90 C3 BE C3 844運(yùn)行時(shí)，先從Class文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼00 D6 00 D0 00 CE 00 C4(哈哈都不是?。?！)5根據(jù)Jsp－charset＝ISO8859－1把Unicode轉(zhuǎn)花為字節(jié)流D6 D0 CE C46把字節(jié)流輸出到IE中，并設(shè)置IE的編碼為ISO8859－1（作者按：這個(gè)信息隱藏在HTTP頭中）D6 D0 CE C47IE用“西歐字符”查看結(jié)果（注：西歐字符與ISO8859－1是相對(duì)應(yīng)的）亂碼，啟示時(shí)四個(gè)ASCII字符，但由于大于128，所以顯示出來(lái)得怪模怪樣8改變IE的頁(yè)面編碼為“簡(jiǎn)體中文”“中文”（正確顯示）奇怪了！為什么把設(shè)成GB2312和ISO8859-1是一個(gè)樣的，都能正確顯示？因?yàn)楸?、表5中的第2步和第5步互逆，是相互“抵消”的。只不過(guò)當(dāng)指定為ISO8859-1時(shí)，要增加第8步操作，殊為不便。

通過(guò)表6再看看不指定時(shí)的情況。

表6 未指定Jsp－charset時(shí)的變化過(guò)程

序號(hào)步驟說(shuō)明結(jié)果1編寫(xiě)JSP源文件，且存為GB2312格式D6 D0 CE C4（D6D0＝中 CEC4=文）2JSPC把JSP源文件轉(zhuǎn)化為臨時(shí)Java文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式寫(xiě)入Java文件中C3 96 C390 C3 8E C3 843把臨時(shí)Java文件編譯成Class文件C3 96 C390 C3 8E C3844運(yùn)行事，先從Class文件中用readUTF 讀出字符串，在內(nèi)存中的是Unicode編碼00 D6 00 D000 CE 00 C4（哈都不是?。。。?根據(jù)Jsp－charset＝ISO8859－1把Unicode轉(zhuǎn)化為字節(jié)流D6 D0 CE C46把字節(jié)流輸出到IE中D6 D0 CE C47IE用發(fā)出請(qǐng)求時(shí)的頁(yè)面的編碼查看結(jié)果視情況而定。如果是簡(jiǎn)體中文，則能正確顯示，否則需執(zhí)行表5中的第8步

從Servlet源文件到瀏覽器

前提：Servlet源文件為Java文件，格式是GB2312，且含有“中文”這兩個(gè)漢字。

如果＝GB2312，則=GB2312（見(jiàn)表7）。

表7 Compile-Charset=Servlet-charset=GB2312時(shí)的變化過(guò)程

序號(hào)步驟說(shuō)明結(jié)果1編寫(xiě)Servlet源文件，且存為GB2312格式D6 D0 CE C4（D6D0＝中 CEC4＝文）2由于Compole－charset是GB2312，所以用Java－encoding GB2312把JAVA源文件編譯成Class文件E4 B8 AD E6 96 87（UTF）3運(yùn)行時(shí)，先從Class文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼4E 2D 65 87（Unicode）4根據(jù)Servlet－charset＝GB2312把Unicode轉(zhuǎn)化為字節(jié)流D6 D0 CE C4（GB2312）5把字節(jié)流輸出到IE中并設(shè)置為IE的編碼屬性為Servlet－charset＝GB2312D6 D0 CE C4（GB2312）6IE用“簡(jiǎn)體中文”查看結(jié)果“中文”（正確顯示）

如果＝ISO8859-1，則=ISO8859-1（見(jiàn)表8）。

表8　Compile-charset=Servlet-charset=ISO8859-1時(shí)的變化過(guò)程

序號(hào)步驟說(shuō)明結(jié)果1編寫(xiě)Servlet源文件，且存為GB2312格式D6 D0 CE C4（D6D0＝中 CEC4＝文）2用Javac－encoding ISO8859-1把Java源文件編譯成Class文件C3 96 C3 90 C3 8E C3 84（UTF）3運(yùn)行時(shí)，先從Class文件中用readUTF讀出字符串，在內(nèi)存中的是Unicode編碼00 D6 00 D0 00 CE 00 C4（哈都不是?。。。?根據(jù)Servlet－charset＝ISO8859－1把Unicode轉(zhuǎn)化為字節(jié)流D6 D0 CE C45把字節(jié)流輸出到IE中并設(shè)置IE的編碼屬性為Servlet－charset＝ISO8859－1D6 D0 CE C46IE用“西歐字符”查看結(jié)果亂碼（原因同表5）7改變IE的頁(yè)面編碼為“簡(jiǎn)體中文”“中文”（正確顯示）

注意：如果不指定Compile-charset或Servlet-charset，其默認(rèn)值均為ISO8859-1。

當(dāng)Compile-charset=Servlet-charset時(shí)，第2步和第4步能互逆，“抵消”，顯示結(jié)果均能正確。讀者可試著寫(xiě)一下Compile-charset≠Servlet-charset時(shí)的情況，肯定是不正確的。

當(dāng)輸出對(duì)象是數(shù)據(jù)庫(kù)時(shí)

輸出到數(shù)據(jù)庫(kù)時(shí)，原理與輸出到瀏覽器也是一樣的。我們只以Servlet為例，JSP的情況請(qǐng)讀者自行推導(dǎo)（見(jiàn)表9）。

假設(shè)有一個(gè)Servlet，它接收來(lái)自客戶(hù)端（IE，簡(jiǎn)體中文）的漢字字符串，然后把它寫(xiě)入到字符集為ISO8859-1的數(shù)據(jù)庫(kù)中，然后再?gòu)臄?shù)據(jù)庫(kù)中取出這個(gè)字符串，顯示到客戶(hù)端。

前提：客戶(hù)端的字符集是GB2312，數(shù)據(jù)庫(kù)的字符集是ISO8859-1。解釋一下，表中第4、第5步和第15、第16步表示要由編程者來(lái)作轉(zhuǎn)換。第4、5兩步其實(shí)就是一句話(huà)：“new String(source.getBytes("ISO8859-1"), DBCharset)”。第15、16兩步也是一句話(huà)：“new String(source.getBytes(DBCharset), ClientCharset)”。親愛(ài)的讀者，你在這樣編寫(xiě)代碼時(shí)，是否想過(guò)為什么要這么做呢？

序號(hào)步驟說(shuō)明結(jié)果宿主程序1在IE中輸入“中文”D6 D0 CE C4IE2IE把字節(jié)流傳輸?shù)?a title="服務(wù)器" target="_blank" href="http://www.kemok4.com/">服務(wù)器端　3Servlet接受到輸入流，并讀出其中的字符00 D6 00 D0 00 CE 00 C4Servlet4編程者在Servlet中必須把字符串根據(jù)ISO8859－1還原委字節(jié)流，注意，這里一定是ISO8859－1，與客戶(hù)端和數(shù)據(jù)庫(kù)的字符集都無(wú)關(guān)D6 D0 CE C45編程者根據(jù)數(shù)據(jù)庫(kù)字符集ISO8859－1生成新的字符串00 D6 00 D0 00 CE 00 C46把新生成的字符串提交給JDBC00 D6 00 D0 00 CE 00 C4Servlet7JDBC檢測(cè)到數(shù)據(jù)庫(kù)字符集為ISO8859－100 D6 00 D0 00 CE 00 C4JDBC8JDBC把接收到的字符串按照數(shù)據(jù)庫(kù)字符集生成字節(jié)流D6 D0 CE C49JDBC把字節(jié)流寫(xiě)入數(shù)據(jù)庫(kù)中D6 D0 CE C410完成數(shù)據(jù)存儲(chǔ)工作D6 D0 CE C4數(shù)據(jù)庫(kù)截止現(xiàn)在，數(shù)據(jù)入庫(kù)的工作即已完成，用其它的非Java程序讀出的數(shù)據(jù)也是正確的“中文”兩字（字節(jié)流為“C6 Do CE C4”）。以下是從數(shù)據(jù)庫(kù)中取出數(shù)據(jù)的過(guò)程00 D6 00 D0 00 CE 00 C411JDBC從數(shù)據(jù)庫(kù)中取出字節(jié)流D6 D0 CE C4JDBC12JDBC按照數(shù)據(jù)庫(kù)字符集ISO8859－1生成字符串，并提交給Servlet00 D6 00 D0 00 CE 00 C4（Unicode）字節(jié)流13Servlet獲得字符串00 D6 00 D0 00 CE 00 C4（Unicode）Servlet15編程者必須根據(jù)數(shù)據(jù)庫(kù)的字符集ISO8859－1還原成原始字節(jié)流D6 D0 CE C416編程者必須根據(jù)客戶(hù)端字符集GB2312生成新的字符串4E 2D 65 87（Unicode）Servlet準(zhǔn)備把字符串輸出到客戶(hù)端17Servlet根據(jù)生成字節(jié)流。一般說(shuō)來(lái)，應(yīng)該與客戶(hù)端字符集一致。本文假定它為GB2312D6 D0 CE C4Servlet18Servlet把字節(jié)流輸出到IE中，如果已指定，還會(huì)設(shè)置IE的編碼為D6 D0 CE C4數(shù)據(jù)庫(kù)19IE根據(jù)指定的編碼和默認(rèn)編碼查看結(jié)果“中文”（正確顯示）IE結(jié)論及結(jié)束語(yǔ)

行文至此，已可告一段落了。以下給出一個(gè)結(jié)論，作為結(jié)尾。

1.在JSP文件中，要指定contentType。其中，charset的值要與客戶(hù)端瀏覽器所用的字符集一樣；對(duì)于其中的字符串常量，不需做任何處理；對(duì)于字符串變量，要求能根據(jù)ContentType中指定的字符集還原成客戶(hù)端能識(shí)別的字節(jié)流，通俗地說(shuō)，就是“字符串變量是基于字符集的”。

2.在Servlet中，必須用HttpServletResponse. setContentType()設(shè)置charset，且設(shè)置成與客戶(hù)端字符集一致；對(duì)于其中的字符串常量，需要在Javac編譯時(shí)指定encoding，這個(gè)encoding必須與編寫(xiě)源文件平臺(tái)的字符集一樣。一般說(shuō)來(lái)都是GB2312或GBK；對(duì)于字符串變量，與JSP一樣。必須“是基于字符集的”。

終點(diǎn)又回到了起點(diǎn)，對(duì)于編程者而言，幾乎是什么影響都沒(méi)有。因?yàn)槲覀冊(cè)缇捅桓嬷@么做了。

案例分析

案例：某用戶(hù)在英文Windows上，安裝了外掛的中文平臺(tái)，操作系統(tǒng)的字符集是“西歐字符”，對(duì)應(yīng)著ISO8859-1字符集，外掛的中文平臺(tái)是基于Big5碼的。當(dāng)操作者在瀏覽器（默認(rèn)編碼是ISO8859-1）中輸入漢字時(shí)，這個(gè)漢字用Big5編碼（在頁(yè)面上無(wú)法正確顯示）。然后，瀏覽器把數(shù)據(jù)提交給服務(wù)器端。同時(shí)，有另一個(gè)用戶(hù)，在中文版的Windows 2000平臺(tái)上做了同樣的事情。服務(wù)器端程序需要正確處理來(lái)自多種內(nèi)碼的客戶(hù)端的字符串，以便正確地保存到數(shù)據(jù)庫(kù)中。

本案例涉及到多步轉(zhuǎn)換。在第一種客戶(hù)端上：

1. 在客戶(hù)端，Big5內(nèi)碼封裝成ISO8859-1內(nèi)碼；

2. 把封裝后的ISO8859-1字符流傳輸?shù)絁ava程序端；

3. Java程序先是用ISO8859-1識(shí)別輸入流，再用Big5內(nèi)碼來(lái)識(shí)別夾雜在其中的Big5字符；

4.在Java程序中的字符串已經(jīng)是Unicode的了，而且它所代表的圖形符號(hào)與客戶(hù)端的文字所呈現(xiàn)的圖形符號(hào)是完全相同的。

在第二種終端上：

1.客戶(hù)端把GB2312的字符串與其它內(nèi)容一起以GB2312編碼方式傳輸?shù)椒?wù)器端；

2.Java程序先用GB2312內(nèi)碼識(shí)別所有輸入流，再用GB2312內(nèi)碼識(shí)別其中的字符串；

3.Java程序中的Unicode編碼的字符串所代表的圖形符號(hào)與客戶(hù)端字符的圖形符號(hào)是完全相同的。

以上是輸入邏輯。再看輸出邏輯。

有兩個(gè)與數(shù)據(jù)庫(kù)相關(guān)的字符集：一是數(shù)據(jù)庫(kù)真正的字符集，稱(chēng)為DBCharSet；二是數(shù)據(jù)庫(kù)中表現(xiàn)中文的字符集，稱(chēng)為DBChineseCharSet。這一點(diǎn)有些難以理解。請(qǐng)看下述規(guī)則：

1. 與中文相關(guān)的內(nèi)容被按照DBChineseCharSet轉(zhuǎn)化成字節(jié)流A；

2. 把字節(jié)流A和其它非中文的內(nèi)容加在一起，形成新的字節(jié)流B；

3. 數(shù)據(jù)庫(kù)以自己的字符集(DBCharSet)存放字節(jié)流B的所有內(nèi)容。

這種思想類(lèi)似于TCP/IP協(xié)議的層層封裝。

還是看一看具體的例子吧。以第一種客戶(hù)端為例(第二種原理是一樣的)。假定數(shù)據(jù)庫(kù)字符集是ISO8859-1，數(shù)據(jù)庫(kù)中中文字符集為GBK(如圖4）:



圖4

圖4所示是從客戶(hù)端接收數(shù)據(jù)然后寫(xiě)到數(shù)據(jù)庫(kù)中的過(guò)程。從數(shù)據(jù)庫(kù)中讀出是其逆過(guò)程，請(qǐng)讀者自行擴(kuò)展到各種情況。

下面給出一段Servlet源程序，僅供參考。其功能是模擬客戶(hù)端輸入，然后寫(xiě)入數(shù)據(jù)庫(kù)中。請(qǐng)讀者自行體會(huì)與上文中的例子“testServlet3.Java”的區(qū)別。

import Java.io.*; import Java.sql.*; public Class testEncode {   public static final String SOURCE="中文";   public static final String CLIENT_ CN_CHARSET ="Big5";   public static final String CLIENT_CHARSET= "ISO8859-1";   public static final String DB_CN_CHARSET="GBK";   public static final String DB_CHARSET="ISO8859-1";   public static void main(String[] args)   {     try     {     System.out.println("SOURCE="+toBytes(SOURCE));      //模擬客戶(hù)端把BIG5轉(zhuǎn)為ISO8859-1    String Source_Iso = new String(SOURCE.getBytes (CLIENT_CN_CHARSET), CLIENT_CHARSET);   System.out.println("Source_Iso="+toBytes(Sour ce_Iso));   //模擬服務(wù)器端接收到字節(jié)流   String Java_Iso = Source_Iso; System.out.println("Java_Iso="+toBytes(Java_Iso));   //模擬JAVA程序先用ISO8859-1識(shí)別，再用BIG5識(shí)別   String Java_Unicode = new String(Java_Iso.getBytes (CLIENT_CHARSET), CLIENT_CN_CHARSET);  System.out.println("Java_Unicode="+toBytes(Java_Unicode));   //模擬JAVA程序根據(jù)GBK生成字節(jié)流，然后再生成ISO8859-1   String DB_Iso = new String(Java_Unicode.getBytes(DB_CN_CHARSET), DB_CHARSET);   System.out.println("DB_Iso="+toBytes(DB_Iso));   DriverManager.registerDriver(new oracle.jdbc.driver.OracleDriver());   Connection con = DriverManager.getConnection("jdbc:oracle:thin: @172.18.131.206:1521:ora816","scott","tiger");   try   {    Statement stmt = con.createStatement();    stmt.execute("INSERT INTO TEST_TABLE(NAME) VALUES('"+DB_Iso+"')");    stmt.close();   }   finally   {    con.close();   }  }  catch (Exception e)  {   e.printStackTrace();  }     } public static String toBytes(String s) {  if (s == null) return null;   StringBuffer result = new StringBuffer();   for (int i=0; i<s.length(); i++)   {    char c = s.charAt(i);    int intc = (int)c;    result.append(Integer.toHexString(intc));   }   return new String(result);  }     }

用“Javac-encoding gb2312 testEncode.Java”編譯完成后，執(zhí)行之。這里之所以用GB2312進(jìn)行編譯，是因?yàn)樵撐募肬ltraEdit for Windows在GB2312環(huán)境下書(shū)寫(xiě)的。結(jié)果如下：

SOURCE=4e2d6587  //這是用Javac -encoding gb2312編譯的結(jié)果 Source_Iso=a4a4a4e5　//顯示出來(lái)時(shí)把前導(dǎo)的“00”丟掉了，實(shí)際中應(yīng)該有 Java_Iso=a4a4a4e5　//同上 Java_Unicode=4e2d6587　//在Unicode中表示“中文”這兩個(gè)字 DB_Iso=d6d0cec4 //也是在顯示時(shí)把前導(dǎo)“00”丟掉了

OK，檢查一下數(shù)據(jù)庫(kù)中是不是正確存放了用GBK表示的“中文”兩字。打開(kāi)SQLPLUS，輸入如下命令：

SELECT ASCII(SUBSTR(NAME,1,1)),ASCII(SUBSTR(NAME,2,1)), ASCII(SUBSTR(NAME,3,1)), ASCII(SUBSTR(NAME,4,1)) FROM TEST_TABLE;

得到的結(jié)果如下：“214　208　206　196”，正是十六進(jìn)制的“D6 D0 CE C4”。

驗(yàn)證成功！

SetCharacterEncoding和getCharacterEncoding

在Servlet/JSP規(guī)范中，還有兩個(gè)很重要的方法：setCharacterEncoding和getCharacterEncoding。這兩個(gè)方法是在ServletRequest類(lèi)中定義的。顯而易見(jiàn)，就是設(shè)置（獲?。┤绾螐腍TTP輸入流中讀取字符的字符集的。從上文可以看出，HTTP在網(wǎng)絡(luò)上傳輸字符串的方式是先把字符串按照某種字符集編碼。然后，把編碼后的字符串按ASCII方式傳輸。

如果這時(shí)直接用諸如getParameter()方法讀取參數(shù)，那么得到的就是經(jīng)過(guò)編碼后的字符串，而不是源字符串。通過(guò)setCharacterEncoding設(shè)置正確的字符集后，可以在讀取參數(shù)（getParameter）時(shí)，直接把經(jīng)過(guò)編碼后的字符串還原為源字符串。當(dāng)然，這時(shí)的“源字符串”是用Unicode碼表示的。

這兩個(gè)方法給編程帶來(lái)了方便，但是卻不被某些Servlet/JSP引擎支持，如Tomcat 3.2.x。最新的Tomcat 4.0.1和WebLogic Server 6.1支持該方法。