Java在web頁面上的編碼解碼處理及中文URL亂碼解決

編碼&解碼
通過下圖我們可以了解在javaWeb中有哪些地方有轉碼：

用戶想服務器發送一個HTTP請求，需要編碼的地方有url、cookie、parameter，經過編碼後服務器接受HTTP請求，解析HTTP請求，然後對url、cookie、parameter進行解碼。在服務器進行業務邏輯處理過程中可能需要讀取數據庫、本地文件或者網絡中的其他文件等等，這些過程都需要進行編碼解碼。當處理完成後，服務器將數據進行編碼後發送給客戶端，瀏覽器經過解碼後顯示給用戶。在這個整個過程中涉及的編碼解碼的地方較多，其中最容易出現亂碼的位置就在於服務器與客戶端進行交互的過程。
上面整個過程可以概括成這樣，頁面編碼數據傳遞給服務器，服務器對獲得的數據進行解碼操作，經過一番業務邏輯處理後將最終結果編碼處理後傳遞給客戶端，客戶端解碼展示給用戶。所以下面我就請求對javaweb的編碼&解碼進行闡述。
請求客戶端想服務器發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方式對於URL，如果該URL中全部都是英文的那倒是沒有什麼問題，如果有中文就要涉及到編碼了。如何編碼？根據什麼規則來編碼？又如何來解碼呢？下面將一一解答！首先看URL的組成部分：

在這URL中瀏覽器將會對path和parameter進行編碼操作。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行編碼的。下面是IE、Firefox、Chrome三個瀏覽器的編碼情況：

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於path部分Firefox、chrome、IE都是採用UTF-8編碼格式，對於Query String部分Firefox、chrome採用UTF-8，IE採用GBK。至於為什麼會加上%，這是因為URL的編碼規範規定瀏覽器將ASCII字符非ASCII 字符按照某種編碼格式編碼成16 進制數字然後將每個16 進製表示的字節前加上“%”。
當然對於不同的瀏覽器，相同瀏覽器不同版本，不同的操作系統等環境都會導致編碼結果不同，上表某一種情況，對於URL編碼規則下任何結論都是過早的。由於各大瀏覽器、各個操作系統對URL的URI、QueryString編碼都可能存在不同，這樣對服務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[] 設置到org.apache.coyote.Request 的相應的屬性中。這裡的URL 仍然是byte 格式，轉成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" />

如果沒有定義則會採用默認編碼ISO-8859-1來解析。
對於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，所有的參數都是保存在Parameters，然後我們通過request.getParameter，解碼工作就是在第一次調用getParameter方法時進行的。在getParameter方法內部它調用org.apache.catalina.connector.Request 的parseParameters 方法，這個方法將會對傳遞的參數進行解碼。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) { //如果設置編碼不為空，則設置編碼為enc parameters.setEncoding(enc); if (useBodyEncodingForURI) { //如果設置了Chartset，則設置queryString的解碼為ChartSet parameters.setQueryStringEncoding(enc); } } else { //設置默認解碼方式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的解碼格式要么採用設置的ChartSet要么採用默認的解碼格式ISO-8859-1。注意這個設置的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，還需要進行如下配置：

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

上面部分詳細介紹了URL方式請求的編碼解碼過程。其實對於我們而言，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方式提交數據是很容易產生亂碼問題的，所以我們更加傾向於通過表單形式。當用戶點擊submit提交表單時，瀏覽器會更加設定的編碼來編碼數據傳遞給服務器。通過GET方式提交的數據都是拼接在URL後面（可以當做query String？？）來提交的，所以tomcat服務器在進行解碼過程中URIEncoding就起到作用了。 tomcat服務器會根據設置的URIEncoding來進行解碼，如果沒有設置則會使用默認的ISO-8859-1來解碼。假如我們在頁面將編碼設置為UTF-8，而URIEncoding設置的不是或者沒有設置，那麼服務器進行解碼時就會產生亂碼。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據。
表單POST
對於POST方式，它採用的編碼也是由頁面來決定的即contentType。當我通過點擊頁面的submit按鈕來提交表單時，瀏覽器首先會根據ontentType的charset編碼格式來對POST表單的參數進行編碼然後提交給服務器，在服務器端同樣也是用contentType中設置的字符集來進行解碼（這裡與get方式就不同了），這就是通過POST表單提交的參數一般而言都不會出現亂碼問題。當然這個字符集編碼我們是可以自己設定的：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器發送請求：URL、表單。而表單形式一般都不會出現亂碼問題，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向服務器發送請求編碼過程實在是實在太混亂了。不同的操作系統、不同的瀏覽器、不同的網頁字符集，將導致完全不同的編碼結果。如果程序員要把每一種結果都考慮進去，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器發出請求？
有！這裡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會，編碼之後再向服務器發送請求，然後在服務器中解碼。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
採用SIO Latin字符集對指定的字符串進行編碼。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的16進制數字。例如，格式對應的編碼為%20。它對應的解碼方法為unescape()。

事實上escape()不能直接用於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”的結果為%u6211%u662Fcm，其中“我”對應的編碼為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，網頁在提交表單的時候，如果有空格，則會被轉化為+字符。服務器處理數據的時候，會把+號處理成空格。所以，使用的時候要小心。
encodeURI
對整個URL進行編碼，它採用的是UTF-8格式輸出編碼後的字符串。不過encodeURI除了ASCII編碼外對於一些特殊的字符也不會進行編碼如：! @ # $& * ( ) = : / ; ? + '。

encodeURIComponent
把URI字符串採用UTF-8編碼格式轉化成escape格式的字符串。相對於encodeURI，encodeURIComponent會更加強大，它會對那些在encodeURI()中不被編碼的符號（; / ? : @ & = + $ , #）統統會被編碼。但是encodeURIComponent只會對URL的組成部分進行個別編碼，而不用於對整個URL進行編碼。對應解碼函數方法decodeURIComponent。
當然我們一般都是使用encodeURI方來進行編碼操作。所謂的javascript兩次編碼後台兩次解碼就是使用該方法。 javascript解決該問題有一次轉碼、兩次轉碼兩種解決方法。
一次轉碼
javascript轉碼：

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

轉碼後的URL：http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%E6%88%91%E6%98%AFcm
後台處理:

 String name = request.getParameter("name"); System.out.println("前台傳入參數：" + name); name = new String(name.getBytes("ISO-8859-1"),"UTF-8"); System.out.println("經過解碼後參數：" + name);

輸出結果：
前台傳入參數：??????cm
經過解碼後參數：我是cm
二次轉碼
javascript

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

轉碼後的url:http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%25E6%2588%2591%25E6%2598%25AFcm
後台處理：

 String name = request.getParameter("name"); System.out.println("前台傳入參數：" + name); name = URLDecoder.decode(name,"UTF-8"); System.out.println("經過解碼後參數：" + name);

輸出結果：
前台傳入參數：E68891E698AFcm
經過解碼後參數：我是cm

filter
使用過濾器，過濾器提供兩種，第一種設置編碼，第二種直接在過濾器中進行解碼操作。
過濾器1
該過濾器是直接設置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直接進行解碼操作，然後將解碼後的參數重新設置到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), 根據不同請求方式進行不同處理String method = request.getMethod(); // 1. 以post 方式提交的請求, 直接設置編碼為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集Enumeration<String> paramNames = request.getParameterNames(); // 遍歷參數集取出每個參數的名稱及值while (paramNames.hasMoreElements()) { String name = paramNames.nextElement(); // 取出參數名稱String values[] = request.getParameterValues(name); // 根據參數名稱取出其值// 如果參數值集不為空if (values != null) { // 遍歷參數值集for (int i = 0; i < values.length; i++) { try { // 迴圈依次將每個值調用toUTF(values[i]) 方法轉換參數值的字元編碼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); } } } // 設置響應方式和支持中文的字元集response.setContentType("text/html;charset=UTF-8"); // 繼續執行下一個filter, 無一下個filter 則執行請求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、設置pageEncoding、contentType

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

2、設置tomcat的URIEncoding
在默認情況下，tomcat服務器使用的是ISO-8859-1編碼格式來編碼的，URIEncoding參數對get請求的URL進行編碼，所以我們只需要在tomcat的server.xml文件的<Connector>標籤中加上URIEncoding="utf-8"即可。