Jsp页面中的字符编码方式与乱码解决方案

JSP/Servlet中的编码方式

在JSP/Servlet中主要有以下几个地方可以设置编码，

• pageEncoding="UTF-8"
• contentType="text/html;charset=UTF-8"
• request.setCharacterEncoding("UTF-8")
• response.setCharacterEncoding("UTF-8")

其中前两个只能用于JSP中，而后两个可以用于JSP和Servlet中。

1、pageEncoding="UTF-8"的作用是设置JSP编译成Servlet原代码文件时所使用的编码 。
JSP在服务器上是要先被编译成Servlet的类文件的。pageEncoding="UTF-8"的作用就是告诉JSP编译器在将JSP文件编译成Servlet为文件时使用的编码。通常，在JSP内部定义（指在 <%%>块内定义的）的字符串或直接作为HTML输出（指直接在jsp文件中输写的HTML中文内容）的字符串出现乱码时，很多都是由于该参数设置错误引起的。例如，你的JSP文件是以UTF-8为编码保存的（在eclipse选中jsp文件，右键点属性就可以更改保存该jsp的编码方式），而在JSP中却指定pageEncoding="GBK"（或不指定时使用操作系统默认的编码方式，即也为GBK），就会引起JSP内部定义的字符串为乱码，这时当我们用文本编辑打开tomcat生成的jsp所对应的servlet类文件时，我们发现就是乱码。

另外，该参数还有一个功能，就是在JSP中不指定contentType属性，也不使用response.setCharacterEncoding方法指定编码方式时，服务器响应的编码方式以及浏览器的编程方式（IE中可以通过菜单“查看-->编码”来看查浏览目前的编码方式）就是此时pageEncoding指定的编码方式。

2、contentType="text/html;charset=UTF-8"的作用是指定服务器响应（response）的编码方式 。
在不使用response.setCharacterEncoding方法时，用该参数指定服务器响应所使用的编码方式。服务器在将数据发送到浏览器前，对数据以指定的编码方式进行编码，使用的就是该编码方式。

3、request.setCharacterEncoding("UTF-8")的作用是设置对客户端请求进行编码的方式 。
该方法用来指定对浏览器发送来的数据进行编码的编码方式。

4、response.setCharacterEncoding("UTF-8")的作用是指定服务器响应的编码方式 。
服务器在将数据发送到浏览器前，对数据进行重新编码时，使用的就是该编码。

 

浏览器接收与发送数据的编码方式

其次，要说一说浏览器是怎么样对接收和发送的数据进行编码的
response.setCharacterEncoding("UTF-8")的作用是指定对服务器响应进行编码的编码方式。同时，浏览器也是根据这个参数来对其接收到的数据进行编码。所以在无论你在JSP中设置response.setCharacterEncoding("UTF-8")或者response.setCharacterEncoding("GBK")，浏览器均能正确显示中文（前提是你发送到浏览器的数据编码是正确的，比如正确设置了pageEncoding参数等）。下面做个测试，在JSP中设置response.setCharacterEncoding("UTF-8")，在IE中显示该页面时，在IE的菜单中选择“查看(V)-->编码(D)”中可以查看到是“Unicode（UTF-8）”，而在在JSP中设置response.setCharacterEncoding("GBK")，在IE中显示该页面时，在IE的菜单中选择“查看(V)-->编码(D)”中可以查看到是“简体中文（GB2312）”。

 

浏览器在发送数据时，对URL和参数会进行URL编码，对参数中的中文，浏览器也是使用response.setCharacterEncoding参数来进行URL编码的。以baidu和google为例，如果你在baidu中搜索“汉字”，百度会将其编码为“%BA%BA%D7%D6”（百度主页面表单是以get方式请求的，提交时浏览器会自动对搜索框中的值采用页面编码，然后把编码转换成%xx形式串，并放在HTTP请求头中传送到服务器，编码转换后内容还会显示在地址栏中）。而在google中搜索“汉字”，GOOGLE会将其编码为“%E6%B1%89%E5%AD%97”（以前可以，现在好像直接显示了），这是因为baidu的response.setCharacterEncoding参数为GBK，而google的response.setCharacterEncoding参数为UTF-8。

浏览器在接收服务器数据和发送数据到服务器时所使用的编码是相同的，默认情况下均为JSP页面的response.setCharacterEncoding参数（或者contentType和pageEncoding参数），我们称其为浏览器编码。 当然，在IE中可以修改浏览器编码（在IE的菜单中选择“查看(V)-->编码(D)”中修改），但通常情况下，修改该参数会使原本正确的页面中出现乱码。一个有趣的例子是，在IE中浏览goole的主页时，将浏览器编码修改为“简体中文（GB2312）”，此时，页面上的中文会变成乱码，不理它，在文本框中输入“汉字”，提交，GOOGLE会将其编码为“%BA%BA%D7%D6”，可见，浏览器在发往服务器前，对参数内容进行URL编码时，使用的就是浏览器编码 。

服务器接收与发送数据的编码方式

我们再来看看服务器是在接收和发送数据时，是如何对数据进行编码的。
对于发送数据，服务器按照response.setCharacterEncoding-->contentType-->pageEncoding的优先顺序，对要发送的数据进行编码 。

对于接收数据，要分三种情况。一种是浏览器直接用URL提交的数据，另外两种是用表单的GET和POST方式提交的数据。

因为各种WEB服务器对这三种方式的处理也不相同，所以我们以Tomcat5.0为例。
无论使用那种方式提交，如果参数中包含中文，浏览器都会使用当前浏览器编码对其进行URL编码。

对于表单中POST方式提交的数据，只要在接收数据的JSP中正确request.setCharacterEncoding参数，即将对客户端请求进行的编码设置成浏览器编码，就可以保证得到的参数编码正确。那如何得到浏览器编码呢？上面我们提过了，在默认请情况下，浏览器编码就是你在响应该请求的JSP页面中response.setCharacterEncoding设置的值。所以对于POST表单提交的数据，在获得数据的JSP页面中request.setCharacterEncoding要和生成提交该表单的JSP页面的response.setCharacterEncoding设置成相同的值即可。

 

对于URL提交的数据和表单中GET方式提交的数据，在接收数据的JSP中设置request.setCharacterEncoding参数是不行的，因为在Tomcat5.0中，默认情况下使用ISO-8859-1对URL提交的数据和表单中GET方式提交的数据进行编码，而不使用该参数对URL提交的数据和表单中GET方式提交的数据进行重新编码。 要解决该问题，应该在Tomcat的配置文件的Connector标签中设置useBodyEncodingForURI或者URIEncoding属性，其中useBodyEncodingForURI 参数表示是否用request.setCharacterEncoding参数对URL提交的数据和表单中GET方式提交的数据进行重新编码，在默认情况下，该参数为false（Tomcat4.0中该参数默认为true）；URIEncoding 参数指定对所有GET方式请求（包括URL提交的数据和表单中GET方式提交的数据）进行统一编码的方式。URIEncoding和useBodyEncodingForURI区别是，URIEncoding是对所有GET方式的请求的数据进行统一的编码，会影响所有的Web应用，而useBodyEncodingForURI则是根据响应该请求的页面的request.setCharacterEncoding参数对数据进行的重新编码，不同的页面可以有不同的编码方式。所以对于URL提交的数据和表单中GET方式提交的数据，可以修改URIEncoding参数为浏览器编码或者修改useBodyEncodingForURI为true，并且在获得数据的JSP页面或Servlet中request.setCharacterEncoding参数设置成浏览器编码后，再获取参数值 。

 

总结

以Tomcat5.0为WEB服务器时，如何防止中文乱码。
1、对于同一个应用，最好统一编码，推荐为UTF-8，当然GBK也可以。
2、正确设置JSP的pageEncoding参数
3、在所有的JSP/Servlet中设置contentType="text/html;charset=UTF-8"或response.setCharacterEncoding("UTF-8")，从而间接实现对浏览器编码的设置。
4、对于请求，可以使用过滤器或者在每个JSP/Servlet中设置request.setCharacterEncoding("UTF-8")。同时，要修改Tomcat的默认配置，推荐将useBodyEncodingForURI参数设置为true，也可以将URIEncoding参数设置为UTF-8（有可能影响其他应用，所以不推荐） <Connector port="8080" ... URIEncoding="UTF-8" useBodyEncodingForURI="true" />。

评论

1 楼 spiritfrog 2010-08-26  

对于get方式， 字符编码是由浏览器决定的，根据浏览器不一样会各有不同；
post方式，字符编码由contentType="text/html;charset=UTF-8"或者pageencoding 来决定。