轉(zhuǎn)載出處：http://blog.csdn.net/yzhz
一、問題：
編碼問題是JAVA初學者在web開發(fā)過程中經(jīng)常會遇到問題，網(wǎng)上也有大量相關(guān)的文章介紹，但其中很多文章并沒有對URL中使用了中文等非ASCII的字 符造成服務(wù)器后臺程序解析出現(xiàn)亂碼的問題作出準確的解釋和說明。本文將詳細介紹由于在URL中使用了中文等非ASCII的字符造成亂碼的問題。
1、在URL中中文字符通常出現(xiàn)在以下兩個地方：
(1)、Query String中的參數(shù)值，比如http://search.china.alibaba.com/search/offer_search.htm?keywords=中國
(2)、servlet path，比如：http://search.china.alibaba.com/selloffer/中國.html
2、出現(xiàn)亂碼問題的原因主要是以下幾方面：
(1)、瀏覽器：我們的客戶端（瀏覽器）本身并沒有遵循URI編碼的規(guī)范（http://www.w3.org/International/O-URL-code.html）。
(2)、Servlet服務(wù)器：Servlet服務(wù)器的沒有正確配置。
(3)、開發(fā)人員并不了解Servlet的規(guī)范和API的含義。
二、基礎(chǔ)知識：
1、一個http請求經(jīng)過的幾個環(huán)節(jié)：
瀏覽器(ie firefox)【get/post】------------>Servlet服務(wù)器------------------------------->瀏覽器顯示
編碼 解碼成unicode，然后將顯示的內(nèi)容編碼 解碼
(1) 瀏覽器把URL(以及post提交的內(nèi)容)經(jīng)過編碼后發(fā)送給服務(wù)器。
(2) 這里的Servlet服務(wù)器實際上指的是由Servlet服務(wù)器提供的servlet實現(xiàn)ServletRequestWrapper，不同應(yīng)用服務(wù)器的 servlet實現(xiàn)不同，這些servlet的實現(xiàn)把這些內(nèi)容解碼轉(zhuǎn)換為unicode，處理完畢后，然后再把結(jié)果(即網(wǎng)頁)編碼返回給瀏覽器。
(3) 瀏覽器按照指定的編碼顯示該網(wǎng)頁。
當對字符串進行編碼和解碼的時候都涉及到字符集，通常使用的字符集為ISO8859-1、GBK、UTF-8、UNICODE。
2、URL的組成:
域名:端口/contextPath/servletPath/pathInfo?queryString
說明：
1、ContextPath是在Servlet服務(wù)器的配置文件中指定的。
對于weblogic：
contextPath是在應(yīng)用的weblogic.xml中配置。
<context-root>/</context-root>
對于tomcat：
contextPath是在server.xml中配置。
<Context path="/" docBase="D:/server/blog.war" debug="5" reloadable="true" crossContext="true"/>
對于jboos：
contextPath是在應(yīng)用的jboss-web.xml中配置。
<jboss-web>
<context-root>/</context-root>
</jboss-web>
2、ServletPath是在應(yīng)用的web.xml中配置。
<servlet-mapping>
<servlet-name>Example</servlet-name>
<url-pattern>/example/*</url-pattern>
</servlet-mapping>
2、Servlet API
我們使用以下servlet API獲得URL的值及參數(shù)。
request.getParameter("name"); // 獲得queryString的參數(shù)值(來自于get和post)，其值經(jīng)過Servlet服務(wù)器URL Decode過的
request.getPathInfo(); // 注意：pathinfo返回的字符串是經(jīng)過Servlet服務(wù)器URL Decode過的。
requestURI = request.getRequestURI(); // 內(nèi)容為：contextPath/servletPath/pathinfo 瀏覽器提交過來的原始數(shù)據(jù)，未被Servlet服務(wù)器URL Decode過。
3、開發(fā)人員必須清楚的servlet規(guī)范：
(1) HttpServletRequest.setCharacterEncoding()方法 僅僅只適用于設(shè)置post提交的request body的編碼而不是設(shè)置get方法提交的queryString的編碼。該方法告訴應(yīng)用服務(wù)器應(yīng)該采用什么編碼解析post傳過來的內(nèi)容。很多文章并沒 有說明這一點。
(2) HttpServletRequest.getPathInfo()返回的結(jié)果是由Servlet服務(wù)器解碼(decode)過的。
(3) HttpServletRequest.getRequestURI()返回的字符串沒有被Servlet服務(wù)器decoded過。
(4) POST提交的數(shù)據(jù)是作為request body的一部分。
(5) 網(wǎng)頁的Http頭中ContentType("text/html; charset=GBK")的作用：
(a) 告訴瀏覽器網(wǎng)頁中數(shù)據(jù)是什么編碼；
(b) 表單提交時，通常瀏覽器會根據(jù)ContentType指定的charset對表單中的數(shù)據(jù)編碼，然后發(fā)送給服務(wù)器的。
這里需要注意的是：這里所說的ContentType是指http頭的ContentType，而不是在網(wǎng)頁中meta中的ContentType。
三、下面我們分別從瀏覽器和應(yīng)用服務(wù)器來舉例說明：
URL：http://localhost:8080/example/中國?name=中國
漢字 編碼 二進制表示
中國 UTF-8 0xe4 0xb8 0xad 0xe5 0x9b 0xbd[-28, -72, -83, -27, -101, -67]
中國 GBK 0xd6 0xd0 0xb9 0xfa[-42, -48, -71, -6]
中國 ISO8859-1 0x3f,0x3f[63, 63]信息失去
(一)、瀏覽器
1、GET方式提交，瀏覽器會對URL進行URL encode，然后發(fā)送給服務(wù)器。
(1) 對于中文IE,如果在高級選項中選中總以UTF-8發(fā)送(默認方式)，則PathInfo是URL Encode是按照UTF-8編碼,QueryString是按照GBK編碼。
http://localhost:8080/example/中國?name=中國
實際上提交是：
GET /example/%E4%B8%AD%E5%9B%BD?name=%D6%D0%B9%FA
(1) 對于中文IE,如果在高級選項中取消總以UTF-8發(fā)送，則PathInfo和QueryString是URL encode按照GBK編碼。
實際上提交是：
GET /example/%D6%D0%B9%FA?name=%D6%D0%B9%FA
(3) 對于中文firefox，則pathInfo和queryString都是URL encode按照GBK編碼。
實際上提交是：
GET /example/%D6%D0%B9%FA?name=%D6%D0%B9%FA
很顯然，不同的瀏覽器以及同一瀏覽器的不同設(shè)置，會影響最終URL中PathInfo的編碼。對于中文的IE和FIREFOX都是采用GBK編碼QueryString。
小結(jié)：解決方案：
1、URL中如果含有中文等非ASCII字符，則瀏覽器會對它們進行URLEncode。為了避免瀏覽器采用了我們不希望的編碼，所以最好不要在URL中直接使用非ASCII字符，而采用URL Encode編碼過的字符串%.
比如：
URL：http://localhost:8080/example/中國?name=中國
建議：
URL：http://localhost:8080/example/%D6%D0%B9%FA?name=%D6%D0%B9%FA
2、我們建議URL中PathInfo和QueryString采用相同的編碼，這樣對服務(wù)器端處理的時候會更加簡單。
2、還有一個問題，我發(fā)現(xiàn)很多程序員并不明白URL Encode是需要指定字符集的。不明白的人可以看看這篇文檔：http://gceclub.sun.com.cn/Java_Docs/html/zh_CN/api/java/net/URLEncoder.html
2、 POST提交
對于POST方式，表單中的參數(shù)值對是通過request body發(fā)送給服務(wù)器，此時瀏覽器會根據(jù)網(wǎng)頁的ContentType("text/html; charset=GBK")中指定的編碼進行對表單中的數(shù)據(jù)進行編碼，然后發(fā)給服務(wù)器。
在服務(wù)器端的程序中我們可以通過Request.setCharacterEncoding() 設(shè)置編碼，然后通過request.getParameter獲得正確的數(shù)據(jù)。
解決方案：
1、從最簡單，所需代價最小來看，我們對URL以及網(wǎng)頁中的編碼使用統(tǒng)一的編碼對我們來說是比較合適的。
如果不使用統(tǒng)一編碼的話，我們就需要在程序中做一些編碼轉(zhuǎn)換的事情。這也是我們?yōu)槭裁纯吹接芯W(wǎng)絡(luò)上大量的資料介紹如何對亂碼進行處理，其中很多解決方案都只是一時的權(quán)宜之計，沒有從根本上解決問題。
(二)、Servlet服務(wù)器
Servlet服務(wù)器實現(xiàn)的Servlet遇到URL和POST提交的數(shù)據(jù)中含有%的字符串，它會按照指定的字符集解碼。下面兩個Servlet方法返回的結(jié)果都是經(jīng)過解碼的：
request.getParameter("name");
request.getPathInfo();
這里所說的"指定的字符集"是在應(yīng)用服務(wù)器的配置文件中配置。
(1) tomcat服務(wù)器
對于tomcat服務(wù)器，該文件是server.xml
<Connector port="8080" protocol="HTTP/1.1"
maxThreads="150" connectionTimeout="20000"
redirectPort="8443" URIEncoding="GBK"/>
URIEncoding告訴服務(wù)器servlet解碼URL時采用的編碼。
<Connector port="8080" ... useBodyEncodingForURI="true" />
useBodyEncodingForURI告訴服務(wù)器解碼URL時候需要采用request body指定的編碼。
(2) weblogic服務(wù)器
對于weblogic服務(wù)器，該文件是weblogic.xml
<input-charset>
<java-charset-name>GBK</java-charset-name>
</input-charset>
(三)瀏覽器顯示
瀏覽器根據(jù)http頭中的ContentType("text/html; charset=GBK")，指定的字符集來解碼服務(wù)器發(fā)送過來的字節(jié)流。我們可以調(diào)用 HttpServletResponse.setContentType()設(shè)置http頭的ContentType。
總結(jié)：
1、URL中的PathInfo和QueryString字符串的編碼和解碼是由瀏覽器和應(yīng)用服務(wù)器的配置決定的，我們的程序不能設(shè)置，不要期望用request.setCharacterEncoding()方法能設(shè)置URL中參數(shù)值解碼時的字符集。
所以我們建議URL中不要使用中文等非ASCII字符，如果含有非ASCII字符的話要使用URLEncode編碼一下，比如：
http://localhost:8080/example1/example/中國
正確的寫法：
http://localhost:8080/example1/example/%E4%B8%AD%E5%9B%BD
并且我們建議URL中不要在PathInfo和QueryString同時使用非ASCII字符，比如
http://localhost:8080/example1/example/中國?name=中國
原因很簡單：不同瀏覽器對URL中PathInfo和QueryString編碼時采用的字符集不同，但應(yīng)用服務(wù)器對URL通常會采用相同的字符集來解碼。
2、我們建議URL中的URL Encode編碼的字符集和網(wǎng)頁的contentType的字符集采用相同的字符集，這樣程序的實現(xiàn)就很簡單，不用做復雜的編碼轉(zhuǎn)換。
-----自己的一些總結(jié)：
jsp編碼相關(guān)-----------------------------
1. pageEncoding: 只是指明了 JSP 頁面本身的編碼格式，跟頁面顯示的編碼沒有關(guān)系;
容器在讀取(文件)或者(數(shù)據(jù)庫)或者(字符串常量)時將起轉(zhuǎn)化為內(nèi)部使用的 Unicode,而頁面顯示的時候?qū)?br />
內(nèi)部的Unicode轉(zhuǎn)換為contentType指定的編碼后顯示頁面內(nèi)容;
如果pageEncoding屬性存在，那么JSP頁面的字符編碼方式就由pageEncoding決定，
否則就由contentType屬性中的charset決定，如果charset也不存在，JSP頁面的字符編碼方式就采用
默認的ISO-8859-1。
2. contentType: 指定了MIME類型和JSP頁面回應(yīng)時的字符編碼方式。MIME類型的默認值是“text/html”;
字符編碼方式的默認值是“ISO-8859-1”. MIME類型和字符編碼方式由分號隔開;
3. pageEncoding和contentType的關(guān)系:
1. pageEncoding的內(nèi)容只是用于jsp輸出時的編碼，不會作為header發(fā)出去的; 是告訴web Server
jsp頁面按照什么編碼輸出,即web服務(wù)器輸出的響應(yīng)流的編碼;
2. 第一階段是jsp編譯成.java，它會根據(jù)pageEncoding的設(shè)定讀取jsp，結(jié)果是由指定的編碼方案翻譯
成統(tǒng)一的UTF-8 JAVA源碼（即.java）.
3. 第二階段是由JAVAC的JAVA源碼至java byteCode的編譯，不論JSP編寫時候用的是什么編碼方案，
經(jīng)過這個階段的結(jié)果全部是UTF-8的encoding的java源碼.JAVAC用UTF-8的encoding讀取
java源碼，編譯成UTF-8 encoding的二進制碼（即.class），這是JVM對常數(shù)字串在二進制碼
（java encoding）內(nèi)表達的規(guī)范.
4. 第三階段是Tomcat（或其的application container）載入和執(zhí)行階段二的來的JAVA二進制碼，
輸出的結(jié)果，也就是在客戶端見到的，這時隱藏在階段一和階段二的參數(shù)contentType就發(fā)揮了功效
4. 和contentType效果一樣的設(shè)置方式還有 html頁面charset, response.setCharacterEncoding(),
response.setContentType(),response.setHeader(); response.setContentType(),
response.setHeader();優(yōu)先級最好,其次是response.setCharacterEncoding();再者是
<%@page contentType="text/html; chareset=gbk"%>,最后是<meta http-equiv="content-type"
content="text/html; charset=gb2312" />.
5. web頁面輸入編碼: 在設(shè)置頁面編碼<%@page contentType="text/html; chareset=gbk"%>的同時，也就指定了頁面的輸入編碼;
如果頁面的顯示被設(shè)置為UTF-8，那么用戶所有的頁面輸入都會按照 UTF-8 編碼; 服務(wù)器端程序在讀
取表單輸入之前要設(shè)定輸入編碼;
表單被提交后，瀏覽器會將表單字段值轉(zhuǎn)換為指定字符集對應(yīng)的字節(jié)值，然后根據(jù) HTTP 標準 URL
編碼方案對結(jié)果字節(jié)進行編碼.但是頁面需要告訴服務(wù)器當前頁面的編碼方式;
request.setCharacterEncoding(),能修改Serverlet獲取請求的編碼,response.setCharacterEncoding(),
能修改Serverlet返回結(jié)果的編碼.
6;對于get方法表單通過設(shè)置 response.setCharacterEncoding(), 和request.setCharacterEncoding("utf-8")無效，
get有長度限制，最長不超過2048字節(jié)（1024個漢字）
注意編碼要在獲取寫通道之前設(shè)置：
response.setContentType("text/html;charset=gbk");
PrintWriter out = response.getWriter();
如果寫成如下將導致編碼設(shè)置無效：
PrintWriter out = response.getWriter();
response.setContentType("text/html;charset=gbk");
在設(shè)置編碼之前獲取度通道將導致后期設(shè)置編碼無效
System.out.println("997:"+request.getParameter("ta"));
request.setCharacterEncoding("utf-8");
System.out.println("999:"+request.getParameter("ta"));
正確如下：
request.setCharacterEncoding("utf-8");
System.out.println("999:"+request.getParameter("ta"));
-----------------------------2--