JSP中文亂碼問題終極解決方案(上)

書呆子Rico發表於2017-02-27
JS

摘要：

　　本文首先介紹了一個JSP的原始檔執行過程，即需要經過三個階段，兩次編碼，才能完成一次完整的輸出。特別需要注意的是，在這個過程中，編碼問題貫穿始終。我們知道在JSP/Servlet中，主要有以下四種方式可以設定編碼，即 pageEncoding、contentType、request.setCharacterEncoding 和 response.setCharacterEncoding，在本文中，我們就這四種方式進行深入的介紹和總結。

一. JSP的執行過程與編碼設定概述

　　在JSP/Servlet中，主要有以下四種方式可以設定編碼，其中前兩個只能應用於JSP中，而後兩個可以用於 JSP 和 Servlet 中。

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

　　事實上，一個JSP的原始檔需要經過三個階段，兩次編碼，才能完成一次完整的輸出，這三個階段是：

　　第一階段：轉譯（.jsp -> .java；pageEncoding -> UTF-8）。將jsp編譯成Servlet（.java）檔案，用到的指令是pageEncoding。在編譯過程中，根據pageEncoding＝“XXX”的指示，找到編碼的規則為“XXX”，然後伺服器將JSP檔案編譯成.java檔案時會根據pageEncoding的設定讀取jsp，結果是由指定的編碼方案翻譯成統一的UTF-8編碼的JAVA原始碼（即.java）。

　　第二階段：編譯（.java -> .class；UTF-8 -> UTF-8）。從Servlet檔案（.java）到Java位元組碼檔案（.class），從UTF-8到UTF-8。在這一階段中，不論JSP編寫時候用的是什麼編碼方案，經過這個階段的結果全部是UTF-8的encoding的java原始碼。JAVAC用UTF-8的encoding讀取java原始碼，編譯成UTF-8編碼的二進位制碼（即.class），這是JVM對常數字串在二進位制碼（Java encoding）內表達的規範。這一過程是由JVM的內在規範決定的，不受外界控制。

　　第三階段：編譯（UTF-8 -> contentType）。從伺服器到瀏覽器，這在一過程中用到的指令是contentType。伺服器載入和執行由第二階段生成出來JAVA二進位制碼，輸出的結果，也就是在客戶端可見到的結果，在這次輸出過程中，由contentType屬性中的charset來指定，將UTF8形式的二進位制碼以charset的編碼形式來輸出。如果沒有人為設定，則預設的是ISO-8859-1的形式。

　　特別需要注意的是，pageEncoding 的預設值是 “ISO-8859-1”, contentType 的預設值是 “text/html;ISO-8859-1”。

　　Ps: 第一、三兩個階段的轉碼個人感覺聯想到Sting轉碼更容易理解些，例如 ：new String(name.getBytes(“ISO-8859-1”), “utf-8”)。

二. pageEncoding=”UTF-8”

　　pageEncoding=”UTF-8” 的作用是設定JSP編譯成Servlet時使用的編碼。通常，在JSP內部定義的字串（直接在JSP中定義，而不是從瀏覽器提交的資料）出現亂碼時，很多都是由於該引數設定錯誤引起的。例如，你的 JSP檔案中含有中文字元，而在JSP中卻指定pageEncoding=”iso-8859-1”，就會導致中文字元顯示異常。看下面的例子：

<%@ page language="java" pageEncoding="iso-8859-1" import="java.util.*" %>

<html>
  <head>
    <title>哈哈</title>
  </head>
  <body>
     中文 <br>
  </body>
</html>

在其編譯為Servlet後，其原始碼（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)
        throws java.io.IOException, ServletException {

      // ...

      out.write("<html>\r\n");
      out.write("  <head>\r\n");
      out.write("    <title>哈哈</title>\r\n");
      out.write("  </head>\r\n");
      out.write("  <body>\r\n");
      out.write("   \t 中文 <br>\r\n");
      out.write("  </body>\r\n");
      out.write("</html>\r\n");

      // ...

訪問該頁面，頁面顯示如下：

　　　　　　　　　　　　　　　pageEncoding.png-13.9kB

　　我們可以看到，由於pageEncoding被指定為”iso-8859-1”，導致其在由伺服器將JSP檔案編譯成.java檔案過程中，在使用 “iso-8859-1” 讀取jsp並翻譯成統一的UTF-8編碼的JAVA原始碼時，所有的中文字元被轉成亂碼，並使得其呈現給使用者的響應也包含亂碼。特別地，該屬性還有一個功能，就是在JSP中不指定contentType引數，也不使用response.setCharacterEncoding方法時，指定對伺服器響應的內容進行編碼。

二. contentType=”text/html;charset=UTF-8”

　　contentType=”text/html;charset=UTF-8” 的作用是將上述第二階段所生成的UTF8形式的二進位制碼以charset的編碼形式來輸出到客戶端，如果設定不當的話，會出現亂碼。看下面的例子：

<%@ page language="java" contentType="text/html;iso-8859-1" import="java.util.*" 
    pageEncoding="utf-8"%>

<html>
  <head>
    <title>哇哈哈</title>
  </head>
  <body>
     哇哈哈 <br>
  </body>
</html>

在其編譯為Servlet後，其原始碼（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)
        throws java.io.IOException, ServletException {

      // ...

      out.write("<html>\r\n");
      out.write("  <head>\r\n");
      out.write("    <title>哇哈哈</title>\r\n");
      out.write("  </head>\r\n");
      out.write("  <body>\r\n");
      out.write("   \t 哇哈哈 <br>\r\n");
      out.write("  </body>\r\n");
      out.write("</html>\r\n");

      // ...

訪問該頁面，頁面顯示如下：

　　　　　　　　　　　　　　　contentType.png-13.1kB

三. request.setCharacterEncoding(“UTF-8”)

　　request.setCharacterEncoding(“UTF-8”)用來指定對瀏覽器傳送來的資料以特定的字符集進行重新編碼，常用於對 POST 請求引數進行解碼。具體見我的博文 《JSP中文亂碼問題終極解決方案(下)》中 “POST 請求的請求引數為中文情形” 一節。

四. response.setCharacterEncoding(“UTF-8”)

　　response.setCharacterEncoding(“UTF-8”)的作用是：在伺服器將響應返回到瀏覽器前，對響應使用指定字符集進行重新編碼。一旦使用了該種方式，即使該響應頁面指定了具體的 contentType，也將失效。看下面的例子：

<%@ page language="java" contentType="text/html;iso-8859-1" import="java.util.*" 
    pageEncoding="utf-8"%>

<html>
  <head>
    <title>哇哈哈</title>
  </head>
  <body>
     哇哈哈 <br>
  </body>
</html>

在其編譯為Servlet後，其原始碼（片段）如下所示：

public void _jspService(HttpServletRequest request, HttpServletResponse response)
        throws java.io.IOException, ServletException {

      // ...

      out.write("<html>\r\n");
      out.write("  <head>\r\n");
      out.write("    <title>哇哈哈</title>\r\n");
      out.write("  </head>\r\n");
      out.write("  <body>\r\n");
      out.write("   \t 哇哈哈 <br>\r\n");
      out.write("  </body>\r\n");
      out.write("</html>\r\n");

      // ...

訪問該頁面，頁面顯示如下：

　　　　　　　　　　　　　　　setContentType.png-13.6kB

五. 四種編碼設定方式之間的相互影響以及作用的優先順序

　　根據上文內容，我們得出以下三點：

  • 在指定JSP編譯成Servlet時使用的編碼時，優先順序為： pageEncoding=”UTF-8” > contentType=”text/html;charset=UTF-8”

  • 在指定伺服器對響應內容的編碼時，優先順序為：response.setCharacterEncoding(“UTF-8”) > contentType=”text/html;charset=UTF-8” > pageEncoding=”UTF-8”

  • request.setCharacterEncoding(“UTF-8”) 只用來指定對瀏覽器傳送來的請求資料的解碼方式。

　　更多關於 JSP技術的細節見我的其他兩篇部落格： 《Java Web基礎 — Jsp 綜述(上)》 和 《Java Web基礎 — Jsp 綜述(下)》。

　　更多關於 JSP中文亂碼問題的解決方案見我的另一篇部落格：《 JSP中文亂碼問題終極解決方案(下)》。

引用

關於JSP頁面中的pageEncoding和contentType兩種屬性的區別
JSP裡ContentType ，charset和pageEncoding的理解與區別

相關文章