深入剖析JSP和Servlet對中文的處理

noter發表於2007-05-30
JSServlet

世界上的各地區都有本地的語言。地區差異直接導致了語言環境的差異。在開發一個國際化程式的過程中，處理語言問題就顯得很重要了。

　　這是一個世界範圍內都存在的問題，所以，Java提供了世界性的解決方法。本文描述的方法是用於處理中文的，但是，推而廣之，對於處理世界上其它國家和地區的語言同樣適用。

　　漢字是雙位元組的。所謂雙位元組是指一個雙字要佔用兩個BYTE的位置（即16位），分別稱為高位和低位。中國規定的漢字編碼為GB2312，這是 強制性的，目前幾乎所有的能處理中文的應用程式都支援GB2312。GB2312包括了一二級漢字和9區符號，高位從0xa1到0xfe，低位也是從 0xa1到0xfe，其中，漢字的編碼範圍為0xb0a1到0xf7fe。

　　另外有一種編碼，叫做GBK，但這是一份規範，不是強制的。GBK提供了20902個漢字，它相容GB2312，編碼範圍為0x8140到0xfefe。GBK中的所有字元都可以一一對映到Unicode 2.0。

　　在不久的將來，中國會頒佈另一種標準：GB18030-2000（GBK2K）。它收錄了藏、蒙等少數民族的字型，從根本上解決了字位不足的問 題。注意：它不再是定長的。其二位元組部份與GBK相容，四位元組部分是擴充的字元、字形。它的首位元組和第三位元組從0x81到0xfe，二位元組和第四位元組從 0x30到0x39。

　　本文不打算介紹Unicode，有興趣的可以瀏覽“http://www.unicode.org/”檢視更多的資訊。Unicode有一個特 性：它包括了世界上所有的字元字形。所以，各個地區的語言都可以建立與Unicode的對映關係，而Java正是利用了這一點以達到異種語言之間的轉換。

　　在JDK中，與中文相關的編碼有：

　　表1　JDK中與中文相關的編碼列表

編碼名稱 說明
ASCII 7位，與ascii7相同
ISO8859-1 8-位，與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同
GB2312-80 16位，與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同
GBK 與MS936相同，注意：區分大小寫
UTF8 與UTF-8相同
GB18030 與cp1392、1392相同，目前支援的JDK很少

　　在實際程式設計時，接觸得比較多的是GB2312（GBK）和ISO8859-1。

　　為什麼會有“?”號

　　上文說過，異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言A和B，轉換的步驟為：先把A轉化為Unicode，再把Unicode轉化為B。

　　舉例說明。有GB2312中有一個漢字“李”，其編碼為“C0EE”，欲轉化為ISO8859-1編碼。步驟為：先把“李”字轉化為 Unicode，得到“674E”，再把“674E”轉化為ISO8859-1字元。當然，這個對映不會成功，因為ISO8859-1中根本就沒有與 “674E”對應的字元。

　　當對映不成功時，問題就發生了！當從某語言向Unicode轉化時，如果在某語言中沒有該字元，得到的將是Unicode的程式碼“/ uffffd”（“/u”表示是Unicode編碼，）。而從Unicode向某語言轉化時，如果某語言沒有對應的字元，則得到的是“0x3f” （“?”）。這就是“?”的由來。

　　例如：把字元流buf =“0x80 0x40 0xb0 0xa1”進行new String(buf, "gb2312")操作，得到的結果是“/ufffd/u554a”，再println出來，得到的結果將是“?啊”，因為“0x80 0x40”是GBK中的字元，在GB2312中沒有。

　　再如，把字串String="/u00d6/u00ec/u00e9/u0046/u00bb/u00f9"進行new String (buf.getBytes("GBK"))操作，得到的結果是“3fa8aca8a6463fa8b4”，其中，“/u00d6”在“GBK”中沒有對 應的字元，得到“3f”，“/u00ec”對應著“a8ac”，“/u00e9”對應著“a8a6”，“0046”對應著“46”（因為這是ASCII字 符），“/u00bb”沒找到，得到“3f”，最後，“/u00f9”對應著“a8b4”。把這個字串println一下，得到的結果是“?ìéF? ù”。看到沒？這裡並不全是問號，因為GBK與Unicode對映的內容中除了漢字外還有字元，本例就是最好的明證。

　　所以，在漢字轉碼時，如果發生錯亂，得到的不一定都是問號噢！不過，錯了終究是錯了，50步和100步並沒有質的差別。

　　或者會問：如果源字符集中有，而Unicode中沒有，結果會如何？回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規範。在Java中，如果發生這種情況，是會丟擲異常的。

　　什麼是UTF

　　UTF，是Unicode Text Format的縮寫，意為Unicode文字格式。對於UTF，是這樣定義的：

　　（1）如果Unicode的16位字元的頭9位是0，則用一個位元組表示，這個位元組的首位是“0”，剩下的7位與原字元中的後7位相同，如“/ u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（與源Unicode字元是相同的）；

　　（2）如果Unicode的16位字元的頭5位是0，則用2個位元組表示，首位元組是“110”開頭，後面的5位與源字元中除去頭5個零後的最高5 位相同；第二個位元組以“10”開頭，後面的6位與源字元中的低6位相同。如“/u025d”（0000 0010 0101 1101），轉化後為“c99d”（1100 1001 1001 1101）；

　　（3）如果不符合上述兩個規則，則用三個位元組表示。第一個位元組以“1110”開頭，後四位為源字元的高四位；第二個位元組以“10”開頭，後六位 為源字元中間的六位；第三個位元組以“10”開頭，後六位為源字元的低六位；如“/u9da7”（1001 1101 1010 0111），轉化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；

　　可以這麼描述JAVA程式中Unicode與UTF的關係，雖然不絕對：字串在記憶體中執行時，表現為Unicode程式碼，而當要儲存到檔案或其它介質中去時，用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。

　　好了，基礎性的論述差不多了，下面進入正題。

　　先把這個問題想成是一個黑匣子。先看黑匣子的一級表示：

input(charsetA)->process(Unicode)->output(charsetB)

　　簡單，這就是一個IPO模型，即輸入、處理和輸出。同樣的內容要經過“從charsetA到unicode再到charsetB”的轉化。

　　再看二級表示：

SourceFile(jsp,java)->class->output

　　在這個圖中，可以看出，輸入的是jsp和java原始檔，在處理過程中，以Class檔案為載體，然後輸出。再細化到三級表示：

jsp->temp file->class->browser,os console,db

app,servlet->class->browser,os console,db

　　這個圖就更明白了。Jsp檔案先生成中間的Java檔案，再生成Class。而Servlet和普通App則直接編譯生成Class。然後，從Class再輸出到瀏覽器、控制檯或資料庫等。

　　JSP：從原始檔到Class的過程

　　Jsp的原始檔是以“.jsp”結尾的文字檔案。在本節中，將闡述JSP檔案的解釋和編譯過程，並跟蹤其中的中文變化。

　　1、JSP/Servlet引擎提供的JSP轉換工具（jspc）搜尋JSP檔案中用<%@ page contentType ="text/html; charset=<Jsp-charset>"%>中指定的charset。如果在JSP檔案中未指定<Jsp- charset>，則取JVM中的預設設定file.encoding，一般情況下，這個值是ISO8859-1；

　　2、jspc用相當於“javac –encoding <Jsp-charset>”的命令解釋JSP檔案中出現的所有字元，包括中文字元和ASCII字元，然後把這些字元轉換成Unicode字 符，再轉化成UTF格式，存為JAVA檔案。ASCII碼字元轉化為Unicode字元時只是簡單地在前面加“00”，如“A”，轉化為“/u0041” （不需要理由，Unicode的碼錶就是這麼編的）。然後，經過到UTF的轉換，又變回“41”了！這也就是可以使用普通文字編輯器檢視由JSP生成的 JAVA檔案的原因；

　　3、引擎用相當於“javac –encoding UNICODE”的命令，把JAVA檔案編譯成CLASS檔案；

　　先看一下這些過程中中文字元的轉換情況。有如下原始碼：

<%@ page contentType="text/html; charset=gb2312"%>
<html><body>
<%
　String a="中文";
　out.println(a);
%>
</body></html>

　　這段程式碼是在UltraEdit for Windows上編寫的。儲存後，“中文”兩個字的16進位制編碼為“D6 D0 CE C4”（GB2312編碼）。經查表，“中文”兩字的Unicode編碼為“/u4E2D/u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。開啟引擎生成的由JSP檔案轉變而成的JAVA檔案，發現其中的“中文”兩個字確實被“E4 B8 AD E6 96 87”替代了，再檢視由JAVA檔案編譯生成的CLASS檔案，發現結果與JAVA檔案中的完全一樣。

　　再看JSP中指定的CharSet為ISO-8859-1的情況。

<%@ page contentType="text/html; charset=ISO-8859-1"%>
<html><body>
<%
　String a="中文";
　out.println(a);
%>
</body></html>

　　同樣，該檔案是用UltraEdit編寫的，“中文”這兩個字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的JAVA檔案和CLASS檔案的過程：jspc用ISO-8859-1來解釋“中文”，並把它對映到Unicode。由於ISO -8859-1是8位的，且是拉丁語系，其對映規則就是在每個位元組前加“00”，所以，對映後的Unicode編碼應為“/u00D6/u00D0/ u00CE/u00C4”，轉化成UTF後應該是“C3 96 C3 90 C3 8E C3 84”。好，開啟檔案看一下，JAVA檔案和CLASS檔案中，“中文”果然都表示為“C3 96 C3 90 C3 8E C3 84”。

　　如果上述程式碼中不指定<Jsp-charset>，即把第一行寫成“<%@ page contentType="text/html" %>”，JSPC會使用file.encoding的設定來解釋JSP檔案。在RedHat 6.2上，其處理結果與指定為ISO-8859-1是完全相同的。

　　到現在為止，已經解釋了從JSP檔案到CLASS檔案的轉變過程中中文字元的對映過程。一句話：從“JspCharSet到Unicode再到UTF”。下表總結了這個過程：

　　表2　“中文”從JSP到CLASS的轉化過程

Jsp-CharSet JSP檔案中 JAVA檔案中 CLASS檔案中
GB2312 D6 D0 CE C4(GB2312) 從/u4E2D/u6587(Unicode)到E4 B8 AD E6 96 87 (UTF) E4 B8 AD E6 96 87 (UTF)
ISO-8859-1 D6 D0 CE C4
(GB2312)		 從/u00D6/u00D0/u00CE/u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF) C3 96 C3 90 C3 8E C3 84 (UTF)
無（預設＝file.encoding） 同ISO-8859-1 同ISO-8859-1 同ISO-8859-1

　　下節先討論Servlet從JAVA檔案到CLASS檔案的轉化過程，然後再解釋從CLASS檔案如何輸出到客戶端。之所以這樣安排，是因為JSP和Servlet在輸出時處理方法是一樣的。

　　Servlet：從原始檔到Class的過程

　　Servlet原始檔是以“.java”結尾的文字檔案。本節將討論Servlet的編譯過程並跟蹤其中的中文變化。

　　用“javac”編譯Servlet原始檔。javac可以帶“-encoding <Compile-charset>”引數，意思是“用< Compile-charset >中指定的編碼來解釋Serlvet原始檔”。

　　原始檔在編譯時，用<Compile-charset>來解釋所有字元，包括中文字元和ASCII字元。然後把字元常量轉變成Unicode字元，最後，把Unicode轉變成UTF。

　　在Servlet中，還有一個地方設定輸出流的CharSet。通常在輸出結果前，呼叫HttpServletResponse的 setContentType方法來達到與在JSP中設定<Jsp-charset>一樣的效果，稱之為<Servlet- charset>。

　　注意，文中一共提到了三個變數：<Jsp-charset>、<Compile-charset>和< Servlet-charset>。其中，JSP檔案只與<Jsp-charset>有關，而<Compile- charset>和<Servlet-charset>只與Servlet有關。

　　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("<html>");
　　out.println("#中文#");
　　out.println("</html>");
　}
}

　　該檔案也是用UltraEdit for Windows編寫的，其中的“中文”兩個字儲存為“D6 D0 CE C4”（GB2312編碼）。

　　開始編譯。下表是<Compile-charset>不同時，CLASS檔案中“中文”兩字的十六進位制碼。在編譯過程中，< Servlet-charset>不起任何作用。<Servlet-charset>只對CLASS檔案的輸出產生影響，實際上是 <Servlet-charset>和<Compile-charset>一起，達到與JSP檔案中的<Jsp- charset>相同的效果，因為<Jsp-charset>對編譯和CLASS檔案的輸出都會產生影響。

　　表3　“中文”從Servlet原始檔到Class的轉變過程

Compile-charset Servlet原始檔中 Class檔案中 等效的Unicode碼
GB2312 D6 D0 CE C4
(GB2312)		 E4 B8 AD E6 96 87 (UTF) /u4E2D/u6587 (在Unicode中＝“中文”)
ISO-8859-1 D6 D0 CE C4
(GB2312)		 C3 96 C3 90 C3 8E C3 84 (UTF) /u00D6 /u00D0 /u00CE /u00C4 (在D6 D0 CE C4前面各加了一個00)
無（預設） D6 D0 CE C4 (GB2312) 同ISO-8859-1 同ISO-8859-1

　　普通Java程式的編譯過程與Servlet完全一樣。

　　CLASS檔案中的中文表示法是不是昭然若揭了？OK，接下來看看CLASS又是怎樣輸出中文的呢？

　　Class：輸出字串

　　上文說過，字串在記憶體中表現為Unicode編碼。至於這種Unicode編碼表示了什麼，那要看它是從哪種字符集對映過來的，也就是說要看它的祖先。這好比在托執行李時，外觀都是紙箱子，裡面裝了什麼就要看寄郵件的人實際郵了什麼東西。

　 　看看上面的例子，如果給一串Unicode編碼“00D6 00D0 00CE 00C4”，如果不作轉換，直接用Unicode碼錶來對照它時，是四個字元（而且是特殊字元）；假如把它與“ISO8859-1”進行對映，則直接去掉 前面的“00”即可得到“D6 D0 CE C4”，這是ASCII碼錶中的四個字元；而假如把它當作GB2312來進行對映，得到的結果很可能是一大堆亂碼，因為在GB2312中有可能沒有（也有 可能有）字元與00D6等字元對應（如果對應不上，將得到0x3f，也就是問號，如果對應上了，由於00D6等字元太靠前，估計也是一些特殊符號，真正的 漢字在Unicode中的編碼從4E00開始）。

　　各位看到了，同樣的Unicode字元，可以解釋成不同的樣子。當然，這其中有一種 是我們期望的結果。以上例而論，“D6 D0 CE C4”應該是我們所想要的，當把“D6 D0 CE C4”輸出到IE中時，用“簡體中文”方式檢視，就能看到清楚的“中文”兩個字了。（當然了，如果你一定要用“西歐字元”來看，那也沒辦法，你將得不到任 何有何時何地的東西）為什麼呢？因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉化過去的。
　　給出如下結論：

　　在Class輸出字串前，會將Unicode的字串按照某一種內碼重新生成位元組流，然後把位元組流輸入，相當於進行了一步“String.getBytes(???)”操作。???代表某一種字符集。

　　如果是Servlet，那麼，這種內碼就是在HttpServletResponse.setContentType()方法中指定的內碼，也就是上文定義的＜Servlet-charset＞。

　　如果是JSP，那麼，這種內碼就是在＜%@ page contentType=""%＞中指定的內碼，也就是上文定義的＜Jsp-charset＞。

　　如果是Java程式，那麼，這種內碼就是file.encoding中指定的內碼，預設為ISO8859-1。

　　當輸出物件是瀏覽器時

　　以流行的瀏覽器IE為例。IE支援多種內碼。假如IE接收到了一個位元組流“D6 D0 CE C4”，你可以嘗試用各種內碼去檢視。你會發現用“簡體中文”時能得到正確的結果。因為“D6 D0 CE C4”本來就是簡體中文中“中文”兩個字的編碼。

　　OK，完整地看一遍。

　　JSP：原始檔為GB2312格式的文字檔案，且JSP原始檔中有“中文”這兩個漢字

　　如果指定了＜Jsp-charset＞為GB2312，轉化過程如下表。

　　表4　Jsp-charset = GB2312時的變化過程
序號 步驟說明 結果
1 編寫JSP原始檔，且存為GB2312格式 D6 D0 CE C4
（D6D0=中 CEC4=文）
2 jspc把JSP原始檔轉化為臨時JAVA檔案，並把字串按照GB2312對映到Unicode，並用UTF格式寫入JAVA檔案中 E4 B8 AD E6 96 87
3 把臨時JAVA檔案編譯成CLASS檔案 E4 B8 AD E6 96 87
4 執行時，先從CLASS檔案中用readUTF讀出字串，在記憶體中的是Unicode編碼 4E 2D 65 87（在Unicode中4E2D=中 6587=文）
5 根據Jsp-charset=GB2312把Unicode轉化為位元組流 D6 D0 CE C4
6 把位元組流輸出到IE中，並設定IE的編碼為GB2312（作者按：這個資訊隱藏在HTTP頭中） D6 D0 CE C4
7 IE用“簡體中文”檢視結果 “中文”（正確顯示）

　　如果指定了＜Jsp-charset＞為ISO8859-1，轉化過程如下表。

　　表5　Jsp-charset = ISO8859-1時的變化過程

序號 步驟說明 結果
1 編寫JSP原始檔，且存為GB2312格式 D6 D0 CE C4
（D6D0=中 CEC4=文）
2 jspc把JSP原始檔轉化為臨時JAVA檔案，並把字串按照ISO8859-1對映到Unicode，並用UTF格式寫入JAVA檔案中 C3 96 C3 90 C3 8E C3 84
3 把臨時JAVA檔案編譯成CLASS檔案 C3 96 C3 90 C3 8E C3 84
4 執行時，先從CLASS檔案中用readUTF讀出字串，在記憶體中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4
（啥都不是！！！）
5 根據Jsp-charset=ISO8859-1把Unicode轉化為位元組流 D6 D0 CE C4
6 把位元組流輸出到IE中，並設定IE的編碼為ISO8859-1（作者按：這個資訊隱藏在HTTP頭中） D6 D0 CE C4
7 IE用“西歐字元”檢視結果 亂碼，其實是四個ASCII字元，但由於大於128，所以顯示出來的怪模怪樣
8 改變IE的頁面編碼為“簡體中文” “中文”（正確顯示）

　　奇怪了！為什麼把＜Jsp-charset＞設成GB2312和ISO8859-1是一個樣的，都能正確顯示？因為表4表5中的第2步和第5步互逆，是相互“抵消”的。只不過當指定為ISO8859-1時，要增加第8步操作，殊為不便。

　　再看看不指定＜Jsp-charset＞ 時的情況。

　　表6　未指定Jsp-charset 時的變化過程

序號 步驟說明 結果
1 編寫JSP原始檔，且存為GB2312格式 D6 D0 CE C4
（D6D0=中 CEC4=文）
2 jspc把JSP原始檔轉化為臨時JAVA檔案，並把字串按照ISO8859-1對映到Unicode，並用UTF格式寫入JAVA檔案中 C3 96 C3 90 C3 8E C3 84
3 把臨時JAVA檔案編譯成CLASS檔案 C3 96 C3 90 C3 8E C3 84
4 執行時，先從CLASS檔案中用readUTF讀出字串，在記憶體中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4
5 根據Jsp-charset=ISO8859-1把Unicode轉化為位元組流 D6 D0 CE C4
6 把位元組流輸出到IE中 D6 D0 CE C4
7 IE用發出請求時的頁面的編碼檢視結果 視情況而定。如果是簡體中文，則能正確顯示，否則，需執行表5中的第8步

　　Servlet：原始檔為JAVA檔案，格式是GB2312，原始檔中含有“中文”這兩個漢字

　　如果＜Compile-charset＞＝GB2312，＜Servlet-charset＞=GB2312

　　表7　Compile-charset=Servlet-charset=GB2312 時的變化過程

序號 步驟說明 結果
1 編寫Servlet原始檔，且存為GB2312格式 D6 D0 CE C4
（D6D0=中 CEC4=文）
2 用javac –encoding GB2312把JAVA原始檔編譯成CLASS檔案 E4 B8 AD E6 96 87　（UTF）
3 執行時，先從CLASS檔案中用readUTF讀出字串，在記憶體中的是Unicode編碼 4E 2D 65 87 (Unicode)
4 根據Servlet-charset=GB2312把Unicode轉化為位元組流 D6 D0 CE C4 (GB2312)
5 把位元組流輸出到IE中並設定IE的編碼屬性為Servlet-charset=GB2312 D6 D0 CE C4 (GB2312)
6 IE用“簡體中文”檢視結果 “中文”（正確顯示）

　　如果＜Compile-charset＞＝ISO8859-1，＜Servlet-charset＞=ISO8859-1

　　表8　Compile-charset=Servlet-charset=ISO8859-1時的變化過程

序號 步驟說明 結果
1 編寫Servlet原始檔，且存為GB2312格式 D6 D0 CE C4
（D6D0=中 CEC4=文）
2 用javac –encoding ISO8859-1把JAVA原始檔編譯成CLASS檔案 C3 96 C3 90 C3 8E C3 84　（UTF）
3 執行時，先從CLASS檔案中用readUTF讀出字串，在記憶體中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4
4 根據Servlet-charset=ISO8859-1把Unicode轉化為位元組流 D6 D0 CE C4
5 把位元組流輸出到IE中並設定IE的編碼屬性為Servlet-charset=ISO8859-1 D6 D0 CE C4 (GB2312)
6 IE用“西歐字元”檢視結果 亂碼（原因同表5）
7 改變IE的頁面編碼為“簡體中文” “中文”（正確顯示）

　　如果不指定Compile-charset或Servlet-charset，其預設值均為ISO8859-1。

　　當Compile-charset=Servlet-charset時，第2步和第4步能互逆，“抵消”，顯示結果均能正確。讀者可試著寫一下Compile-charset＜＞Servlet-charset時的情況，肯定是不正確的。

　　當輸出物件是資料庫時

　　輸出到資料庫時，原理與輸出到瀏覽器也是一樣的。本節只是Servlet為例，JSP的情況請讀者自行推導。

　　假設有一個Servlet，它能接收來自客戶端（IE，簡體中文）的漢字字串，然後把它寫入到內碼為ISO8859-1的資料庫中，然後再從資料庫中取出這個字串，顯示到客戶端。

　　表9　輸出物件是資料庫時的變化過程（1）

序號 步驟說明 結果 域
1 在IE中輸入“中文” D6 D0 CE C4 IE
2 IE把字串轉變成UTF，並送入傳輸流中 E4 B8 AD E6 96 87
3 Servlet接收到輸入流，用readUTF讀取 4E 2D 65 87(unicode) Servlet
4 程式設計者在Servlet中必須把字串根據GB2312還原為位元組流 D6 D0 CE C4
5 程式設計者根據資料庫內碼ISO8859-1生成新的字串 00 D6 00 D0 00 CE 00 C4
6 把新生成的字串提交給JDBC 00 D6 00 D0 00 CE 00 C4
7 JDBC檢測到資料庫內碼為ISO8859-1 00 D6 00 D0 00 CE 00 C4 JDBC
8 JDBC把接收到的字串按照ISO8859-1生成位元組流 D6 D0 CE C4
9 JDBC把位元組流寫入資料庫中 D6 D0 CE C4
10 完成資料儲存工作 D6 D0 CE C4 資料庫
以下是從資料庫中取出數的過程
11 JDBC從資料庫中取出位元組流 D6 D0 CE C4 JDBC
12 JDBC按照資料庫的字符集ISO8859-1生成字串，並提交給Servlet 00 D6 00 D0 00 CE 00 C4 (Unicode)  
13 Servlet獲得字串 00 D6 00 D0 00 CE 00 C4 (Unicode) Servlet
14 程式設計者必須根據資料庫的內碼ISO8859-1還原成原始位元組流 D6 D0 CE C4  
15 程式設計者必須根據客戶端字符集GB2312生成新的字串 4E 2D 65 87
（Unicode）		  
Servlet準備把字串輸出到客戶端
16 Servlet根據＜Servlet-charset＞生成位元組流 D6D0 CE C4 Servlet
17 Servlet把位元組流輸出到IE中，如果已指定＜Servlet-charset＞，還會設定IE的編碼為＜Servlet-charset＞ D6 D0 CE C4
18 IE根據指定的編碼或預設編碼檢視結果 “中文”（正確顯示） IE

　　解釋一下，表中第4第5步和第15第16步是用紅色標記的，表示要由編碼 者來作轉換。第4、5兩步其實就是一句話：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16兩步也是一句話：“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛的讀者，你在這樣編寫程式碼時是否意識到了其中的每一個細節呢？

　　至於客戶端內碼和資料庫內碼為其它值時的流程，和輸出物件是系統控制檯時的流程，請讀者自己想吧。明白了上述流程的原理，相信你可以輕鬆地寫出來。

　　行文至此，已可告一段落了。終點又回到了起點，對於程式設計者而言，幾乎是什麼影響都沒有。

　　因為我們早就被告之要這麼做了。

　　以下給出一個結論，作為結尾。

　 　1、 在Jsp檔案中，要指定contentType，其中，charset的值要與客戶端瀏覽器所用的字符集一樣；對於其中的字串常量，不需做任何內碼轉 換；對於字串變數，要求能根據ContentType中指定的字符集還原成客戶端能識別的位元組流，簡單地說，就是“字串變數是基於＜Jsp- charset＞字符集的”；

　　2、 在Servlet中，必須用HttpServletResponse.setContentType()設定charset，且設定成與客戶端內碼一致； 對於其中的字串常量，需要在Javac編譯時指定encoding，這個encoding必須與編寫原始檔的平臺的字符集一樣，一般說來都是 GB2312或GBK；對於字串變數，與JSP一樣，必須“是基於＜Servlet-charset＞字符集的”。

【來源】

 

相關文章