Character Encoding in Java Web (TOMCAT)

[TOC]

原文：Character Encoding Issues

請求體和響應體的默認字符編碼

若是沒有指定具體的字符編碼，servlet會使用ISO-8859-1來對請求進行編碼。（響應和請求的）HTTP消息體的字符編碼在Content-Type頭字段中指定，好比： Content-Type: text/html; charset=ISO-8859-1

When no explicit charset parameter is provided by the sender, media subtypes of the "text" type are defined to have a default charset value of "ISO-8859-1" when received via HTTP. Data in character sets other than "ISO-8859-1" or its subsets MUST be labeled with an appropriate charset value.

對使用標準語法的jsp頁面來講，默認的響應字符集一般是ISO-8859-1，可是在XML語法中是UTF-8。

###URI編碼規範 URI語法規範規定任何US-ASCII字符以外的字符必須使用%轉義序列進行編碼：每一個字符編碼成一個%和兩個表示該字符碼的十六進制碼，好比：US-ASCII character code 97 = 0x61，URI沒有具體的默認編碼。

####關於URI字符編碼：

1. ISO-8859-1和ASCII對字符碼0x20 ~ 0x7E是相互兼容的，大部分網站使用ISO-8859-1做爲默認的查詢字符串（query string）；
2. 許多瀏覽器開始提供使用UTF-8編碼URL的選項，而再也不是使用ISO-8859-1來編碼URI。一些瀏覽器彷佛使用當前頁面的編碼來對頁面中連接的URI進行編碼；
3. HTML 4.0 推薦使用UTF-8來編碼查詢字符串（query string）；
4. 不肯定時，將可能出現編碼異常的查詢字符串（query string）用POST請求發送。

####關於POST請求編碼：

1. HTTP/1.1代表HTTP消息的接收方必須按照發送方在Content-Type頭中指定的編碼方式進行編碼（前提是接收方支持該編碼）。
2. 目前大部分瀏覽器不會指定請求的字符集，即便是ISO-8859-1之外的編碼。看起來違反了HTTP規範，可是大部分瀏覽器彷佛發送請求時使用當前頁面使用的編碼來生成POST請求。

###修改GET請求參數的編碼

• Tomcat 使用ISO-8859-1做爲整個URL，包括查詢字符串（query string），的默認字符編碼。
• 有兩種方法來指定如何解釋GET請求的參數：
  1. 編輯server.xml文件下的<Connector>元素，設置URIEncoding屬性爲具體值，好比：URIEncoding="UTF-8"；
  2. 編輯server.xml文件下的<Connector>元素，設置useBodyEncodingForURI 屬性的值爲true，這將致使Connector對GET請求的參數使用請求體的編碼。

###修改POST請求參數的編碼 經過使用javax.servlet.Filter設置請求編碼 5.x

webapps/servlets-examples/WEB-INF/classes/filters/SetCharacterEncodingFilter.java
webapps/jsp-examples/WEB-INF/classes/filters/SetCharacterEncodingFilter.java

6.x

webapps/examples/WEB-INF/classes/filters/SetCharacterEncodingFilter.java

5.5.36+, 6.0.36+, 7.x 從7.0.20開始，過濾器開始變成一等公民而且從examples移到了core，任何web應用再也不須要單獨編譯和綁定便可使用。此方法能夠移植到較舊的版本5.5.36和6.0.36。

org.apache.catalina.filters.SetCharacterEncodingFilter

請求編碼設置必須在參數被解析以前完成纔有效，一旦解析開始，就沒法逆轉。當第一個獲取參數名或參數值的函數被調用參數解析即被觸發，確保將這個過濾器配置在全部獲取參數名或值的過濾器以前。

Tomcat提供的過濾器

###在全部地方使用UTF-8 爲了徹底轉換到UTF-8編碼，須要確保如下的改動：

1. 設置server.mxl中<Connector>元素的URIEncoding="UTF-8"；

2. 使用字符編碼過濾器設置默認編碼爲UTF-8；

3. 修改全部JSP頁面的Content-Type的包含字符集名：

   通常的JSP頁面： <%@page contentType="text/html; charset=UTF-8" %> XML語法的頁面（aka JSP Documents): <jsp:directive.page contentType="text/html; charset=UTF-8" />

4. 修改全部的servlet設置響應的content type和在content type中include的字符集都設置爲UTF-8

   response.setContentType("text/html; charset=UTF-8") or response.setCharacterEncoding("UTF-8").

5. 修改內容生成模板庫(Velocity, Freemarker, etc.)使用UTF-8，並指定它們生成的響應的content type爲UTF-8；

6. 禁用全部可能在編碼設置過濾器或JSP頁面設置Content type 爲UTF-8以前訪問請求參數的過濾器

---

###CASE 當在JSP頁面使用<%@ page contentType="text/html; charset=UTF-8" %>時，頁面GET請求的參數在地址欄以UTF-8編碼；

當使用<%@ page contentType="text/html; charset=GBK" %>時，頁面GET請求的參數在地址欄以GBK編碼。

當不加這一句時，瀏覽器地址欄將以&#Unicode編碼顯示；

• 以上JSP文件以UTF-8編碼格式在磁盤存儲

• 若是JSP文件保存編碼格式和頁面中ContentType的charset編碼格式不一致，頁面顯示內容會亂碼
• Tomcat容器默認使用的ISO-8859-1對請求內容進行編碼，因此要對獲取的參數值先用ISO-8859-1進行解碼，而後再使用charset設置的編碼格式進行編碼

JSP頁面中使用<%@ page pageEncoding="UTF-8"%>，JSP文件按照指定編碼格式保存文件，若是沒有這句，則使用ContentType中指定的編碼格式。