【作者】刘科垠
【原文】
http://china.manufacturer.com/article/study_for_character_encoding_java.htm
1. 概述
本文主要包括以下几个方面：编码基本知识，java，系统软件，url，工具软件等。
在下面的描述中，将以"中文"两个字为例，经查表可以知道其GB2312编码是"
d6d0 cec4"，Unicode编码为"
4e2d 6587"，UTF编码就是"
e4b8ad e69687"。注意，这两个字没有iso8859-1编码，但可以用iso8859-1编码来"表示"。
2. 编码基本知识
最早的编码是iso8859-1，和ascii编码相似。但为了方便表示各种各样的语言，逐渐出现了很多标准编码，重要的有如下几个。
2.1. iso8859-1
属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母'a'的编码为0x61=97。
很明显，iso8859-1编码表
示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而
且在很多协议上，默认使用该编码。比如，虽然"中文"两个字不存在iso8859-1编码，以gb2312编码为例，应该是"
d6d0 cec4"两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示："
d6 d0 ce c4"（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节"
e4 b8 ad e6 96 87"。很明显，这种表示方法还需要以另一种编码为基础。
2.2. GB2312/GBK
这就是汉子的国标码，专门用来表示汉字，是双字节编码，而英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字，gbk是兼容gb2312编码的。
2.3. unicode
这是最统一的编码，可以用来表示所
有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。所以可以说它是不兼容iso8859-1编码的，也不兼容任何编码。不过，相对
于iso8859-1编码来说，uniocode编码只是在前面增加了一个0字节，比如字母'a'为"
00 61"。
需要说明的是，定长编码便于计算机处理（注意GB2312/GBK不是定长编码），而unicode又可以用来表示所有字符，所以在很多软件内部是使用unicode编码来处理的，比如java。
2.4. UTF
考虑到unicode编码不兼容
iso8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而
产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码是不定长编码，每一个字符的长度从1-6
个字节不等。另外，utf编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。
注意，虽然说utf是为了使用更少
的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，
虽然utf编码对汉字使用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。
3. java对字符的处理
在java应用软件中，会有多处涉及到字符集编码，有些地方需要进行正确的设置，有些地方需要进行一定程度的处理。
3.1. getBytes(charset)
这是java字符串处理的一个标准函数，其作用是将字符串所表示的字符按照charset编码，并以字节方式表示。注意字符串在java内存中总是按unicode编码存储的。比如"中文"，正常情况下（即没有错误的时候）存储为"
4e2d 6587"，如果charset为"gbk"，则被编码为"
d6d0 cec4"，然后返回字节"
d6 d0 ce c4"。如果charset为"utf8"则最后是"
e4 b8 ad e6 96 87"。如果是"iso8859-1"，则由于无法编码，最后返回 "
3f 3f"（两个问号）。
3.2. new String(charset)
这是java字符串处理的另一个标准函数，和上一个函数的作用相反，将字节数组按照charset编码进行组合识别，最后转换为unicode存储。参考上述getBytes的例子，"gbk" 和"utf8"都可以得出正确的结果"
4e2d 6587"，但iso8859-1最后变成了"
003f 003f"（两个问号）。
因为utf8可以用来表示/编码所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完全可逆。
3.3. setCharacterEncoding()
该函数用来设置http请求或者相应的编码。
对于request，是指提交内容
的编码，指定后可以通过getParameter()则直接获得正确的字符串，如果不指定，则默认使用iso8859-1编码，需要进一步处理。参见下述
"表单输入"。值得注意的是在执行setCharacterEncoding()之前，不能执行任何getParameter()。java
doc上说明：This method must be called prior to reading request parameters
or reading input using
getReader()。而且，该指定只对POST方法有效，对GET方法无效。分析原因，应该是在执行第一个getParameter()的时候，
java将会按照编码分析所有的提交内容，而后续的getParameter()不再进行分析，所以setCharacterEncoding()无效。
而对于GET方法提交表单是，提交的内容在URL中，一开始就已经按照编码分析所有的提交内容，setCharacterEncoding()自然就无
效。
对于response，则是指定输出内容的编码，同时，该设置会传递给浏览器，告诉浏览器输出内容所采用的编码。
3.4. 处理过程
下面分析两个有代表性的例子，说明java对编码有关问题的处理方法。
3.4.1. 表单输入
User input
*(gbk:d6d0 cec4) browser
*(gbk:d6d0 cec4) web server
iso8859-1(00d6 00d 000ce 00c4) class，需要在class中进行处理：getbytes("iso8859-1")为
d6 d0 ce c4，new String("gbk")为
d6d0 cec4，内存中以unicode编码则为
4e2d 6587。
l 用户输入的编码方式和页面指定的编码有关，也和用户的操作系统有关，所以是不确定的，上例以gbk为例。
l 从browser到web server，可以在表单中指定提交内容时使用的字符集，否则会使用页面指定的编码。而如果在url中直接用?的方式输入参数，则其编码往往是操作系统本身的编码，因为这时和页面无关。上述仍旧以gbk编码为例。
l
Web
server接收到的是字节流，默认时（getParameter）会以iso8859-1编码处理之，结果是不正确的，所以需要进行处理。但如果预先设
置了编码（通过request. setCharacterEncoding ()），则能够直接获取到正确的结果。
l 在页面中指定编码是个好习惯，否则可能失去控制，无法指定正确的编码。
3.4.2. 文件编译
假设文件是gbk编码保存的，而编译有两种编码选择：gbk或者iso8859-1，前者是中文windows的默认编码，后者是linux的默认编码，当然也可以在编译时指定编码。
Jsp
*(gbk:d6d0 cec4) java file
*(gbk:d6d0 cec4) compiler read
uincode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) compiler write
utf(gbk: e4b8ad e69687; iso8859-1: *) compiled file
unicode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) class。所以用gbk编码保存，而用iso8859-1编译的结果是不正确的。
class
unicode(4e2d 6587) system.out / jsp.out
gbk(d6d0 cec4) os console / browser。
l 文件可以以多种编码方式保存，中文windows下，默认为ansi/gbk。
l
编译器读取文件时，需要得到文件的编码，如果未指定，则使用系统默认编码。一般class文件，是以系统默认编码保存的，所以编译不会出问题，但对于
jsp文件，如果在中文windows下编辑保存，而部署在英文linux下运行/编译，则会出现问题。所以需要在jsp文件中用
pageEncoding指定编码。
l Java编译的时候会转换成统一的unicode编码处理，最后保存的时候再转换为utf编码。
l
当系统输出字符的时候，会按指定编码输出，对于中文windows下，System.out将使用gbk编码，而对于response（浏览器），则使用
jsp文件头指定的contentType，或者可以直接为response指定编码。同时，会告诉browser网页的编码。如果未指定，则会使用
iso8859-1编码。对于中文，应该为browser指定输出字符串的编码。
l browser显示网页的时候，首先使用response中指定的编码（jsp文件头指定的contentType最终也反映在response上），如果未指定，则会使用网页中meta项指定中的contentType。
3.5. 几处设置
对于web应用程序，和编码有关的设置或者函数如下。
3.5.1. jsp编译
指定文件的存储编码，很明显，该设置应该置于文件的开头。例如：<%@page pageEncoding="GBK"%>。另外，对于一般class文件，可以在编译的时候指定编码。
3.5.2. jsp输出
指定文件输出到browser是使
用的编码，该设置也应该置于文件的开头。例如：<%@ page contentType="text/html; charset= GBK"
%>。该设置和response.setCharacterEncoding("GBK")等效。
3.5.3. meta设置
指定网页使用的编码，该设置对静态网页尤其有作用。因为静态网页无法采用jsp的设置，而且也无法执行response.setCharacterEncoding()。例如：<META http-equiv="Content-Type" content="text/html; charset=GBK" />
如果同时采用了jsp输出和meta设置两种编码指定方式，则jsp指定的优先。因为jsp指定的直接体现在response中。
需要注意的是，apache有一个设置可以给无编码指定的网页指定编码，该指定等同于jsp的编码指定方式，所以会覆盖静态网页中的meta指定。所以有人建议关闭该设置。
3.5.4. form设置
当浏览器提交表单的时候，可以指定相应的编码。例如：<form accept-charset= "gb2312">。一般不必不使用该设置，浏览器会直接使用网页的编码。
4. 系统软件
下面讨论几个相关的系统软件。
4.1. mysql数据库
很明显，要支持多语言，应该将数据库的编码设置成utf或者unicode，而utf更适合与存储。但是，如果中文数据中包含的英文字母很少，其实unicode更为适合。
数据库的编码可以通过mysql的
配置文件设置，例如default-character-set=utf8。还可以在数据库链接URL中设置，例如：
useUnicode=true&characterEncoding=UTF-8。注意这两者应该保持一致，在新的sql版本里，在数据库链接
URL里可以不进行设置，但也不能是错误的设置。
4.2. apache
appache和编码有关的配置在httpd.conf中，例如AddDefaultCharset UTF-8。如前所述，该功能会将所有静态页面的编码设置为UTF-8，最好关闭该功能。
另外，apache还有单独的模块来处理网页响应头，其中也可能对编码进行设置。
4.3. linux默认编码
这里所说的linux默认编码，是指运行时的环境变量。两个重要的环境变量是LC_ALL和LANG，默认编码会影响到java URLEncode的行为，下面有描述。
建议都设置为"zh_CN.UTF-8"。
4.4. 其它
为了支持中文文件名，linux在加载磁盘时应该指定字符集，例如：mount /dev/hda5 /mnt/hda5/ -t ntfs -o iocharset=gb2312。
另外，如前所述，使用GET方法提
交的信息不支持request.setCharacterEncoding()，但可以通过tomcat的配置文件指定字符集，在tomcat的
server.xml文件中，形如：<Connector ...
URIEncoding="GBK"/>。这种方法将统一设置所有请求，而不能针对具体页面进行设置，也不一定和browser使用的编码相同，所
以有时候并不是所期望的。
5. URL地址
URL地址中含有中文字符是很麻烦的，前面描述过使用GET方法提交表单的情况，使用GET方法时，参数就是包含在URL中。
5.1. URL编码
对于URL中的一些特殊字符，浏览器会自动进行编码。这些字符除了"/?&"等外，还包括unicode字符，比如汉子。这时的编码比较特殊。
IE有一个选项"总是使用UTF-
8发送URL"，当该选项有效时，IE将会对特殊字符进行UTF-8编码，同时进行URL编码。如果改选项无效，则使用默认编码"GBK"，并且不进行
URL编码。但是，对于URL后面的参数，则总是不进行编码，相当于UTF-8选项无效。比如"中文.html?a=中文"，当UTF-8选项有效时，将
发送链接"%
e4%b8%ad%e6%96%87.html?a="x4e"x2d"x65"x87"；而UTF-8选项无效时，将发送链接"
"x4e"x2d"x65"x87.html?a="x4e"x2d"x65"x87"。注意后者前面的"中文"两个字只有4个字节，而前者却有18个字节，这主要时URL编码的原因。
当web server（tomcat）接收到该链接时，将会进行URL解码，即去掉"%"，同时按照ISO8859-1编码（上面已经描述，可以使用URLEncoding来设置成其它编码）识别。上述例子的结果分别是"
"ue4"ub8"uad"ue6"u96"u87.html?a="u4e"u2d"u65"u87"和"
"u4e"u2d"u65"u87.html?a="u4e"u2d"u65"u87"，注意前者前面的"中文"两个字恢复成了6个字符。这里用""u"，表示是unicode。
所以，由于客户端设置的不同，相同的链接，在服务器上得到了不同结果。这个问题不少人都遇到，却没有很好的解决办法。所以有的网站会建议用户尝试关闭UTF-8选项。不过，下面会描述一个更好的处理办法。
5.2. rewrite
熟悉的人都知道，apache有一
个功能强大的rewrite模块，这里不描述其功能。需要说明的是该模块会自动将URL解码（去除%），即完成上述web
server（tomcat）的部分功能。有相关文档介绍说可以使用[NE]参数来关闭该功能，但我试验并未成功，可能是因为版本（我使用的是
apache 2.0.54）问题。另外，当参数中含有"?& "等符号的时候，该功能将导致系统得不到正常结果。
rewrite本身似乎完全是采用字节处理的方式，而不考虑字符串的编码，所以不会带来编码问题。
5.3. URLEncode.encode()
这是Java本身提供对的URL编码函数，完成的工作和上述UTF-8选项有效时浏览器所做的工作相似。值得说明的是，java已经不赞成不指定编码来使用该方法（deprecated）。应该在使用的时候增加编码指定。
当不指定编码的时候，该方法使用系统默认编码，这会导致软件运行结果得不确定。比如对于"中文"，当系统默认编码为"gb2312"时，结果是"%
4e%2d%65%87"，而默认编码为"UTF-8"，结果却是"%
e4%b8%ad%e6%96%87"，后续程序将难以处理。另外，这儿说的系统默认编码是由运行tomcat时的环境变量LC_ALL和LANG等决定的，曾经出现过tomcat重启后就出现乱码的问题，最后才郁闷的发现是因为修改修改了这两个环境变量。
建议统一指定为"UTF-8"编码，可能需要修改相应的程序。
5.4. 一个解决方案
上面说起过，因为浏览器设置的不同，对于同一个链接，web server收到的是不同内容，而软件系统有无法知道这中间的区别，所以这一协议目前还存在缺陷。
针对具体问题，不应该侥幸认为所有客户的IE设置都是UTF-8有效的，也不应该粗暴的建议用户修改IE设置，要知道，用户不可能去记住每一个web server的设置。所以，接下来的解决办法就只能是让自己的程序多一点智能：根据内容来分析编码是否UTF-8。
比较幸运的是UTF-8编码相当有规律，所以可以通过分析传输过来的链接内容，来判断是否是正确的UTF-8字符，如果是，则以UTF-8处理之，如果不是，则使用客户默认编码（比如"GBK"），下面是一个判断是否UTF-8的例子，如果你了解相应规律，就容易理解。
public static boolean isValidUtf8(byte[] b,int aMaxCount){
int lLen=b.length,lCharCount=0;
for(int i=0;i<lLen && lCharCount<aMaxCount;++lCharCount){
byte lByte=b[i++];//to fast operation, ++ now, ready for the following for(;;)
if(lByte>=0) continue;//>=0 is normal ascii
if(lByte<(byte)0xc0 || lByte>(byte)0xfd) return false;
int lCount=lByte>(byte)0xfc?5:lByte>(byte)0xf8?4
:lByte>(byte)0xf0?3:lByte>(byte)0xe0?2:1;
if(i+lCount>lLen) return false;
for(int j=0;j<lCount;++j,++i) if(b[i]>=(byte)0xc0) return false;
}
return true;
}
相应地，一个使用上述方法的例子如下：
public static String getUrlParam(String aStr,String aDefaultCharset)
throws UnsupportedEncodingException{
if(aStr==null) return null;
byte[] lBytes=aStr.getBytes("ISO-8859-1");
return new String(lBytes,StringUtil.isValidUtf8(lBytes)?"utf8":aDefaultCharset);
}
不过，该方法也存在缺陷，如下两方面：
l 没有包括对用户默认编码的识别，这可以根据请求信息的语言来判断，但不一定正确，因为我们有时候也会输入一些韩文，或者其他文字。
l 可能会错误判断UTF-8字符，一个例子是"学习"两个字，其GBK编码是"
"xd1"xa7"xcf"xb0"，如果使用上述isValidUtf8方法判断，将返回true。可以考虑使用更严格的判断方法，不过估计效果不大。
有一个例子可以证明google也遇到了上述问题，而且也采用了和上述相似的处理方法，比如，如果在地址栏中输入"
http://www.google.com/search?hl=zh-CN&newwindow=1&q=学习"，google将无法正确识别，而其他汉字一般能够正常识别。
最后，应该补充说明一下，如果不使用rewrite规则，或者通过表单提交数据，其实并不一定会遇到上述问题，因为这时可以在提交数据时指定希望的编码。另外，中文文件名确实会带来问题，应该谨慎使用。
6. 其它
下面描述一些和编码有关的其他问题。
6.1. SecureCRT
除了浏览器和控制台与编码有关外，一些客户端也很有关系。比如在使用SecureCRT连接linux时，应该让SecureCRT的显示编码（不同的session，可以有不同的编码设置）和linux的编码环境变量保持一致。否则看到的一些帮助信息，就可能是乱码。
另外，mysql有自己的编码设置，也应该保持和SecureCRT的显示编码一致。否则通过SecureCRT执行sql语句的时候，可能无法处理中文字符，查询结果也会出现乱码。
对于Utf-8文件，很多编辑器
（比如记事本）会在文件开头增加三个不可见的标志字节，如果作为mysql的输入文件，则必须要去掉这三个字符。（用linux的vi保存可以去掉这三个
字符）。一个有趣的现象是，在中文windows下，创建一个新txt文件，用记事本打开，输入"连通"两个字，保存，再打开，你会发现两个字没了，只留
下一个小黑点。
6.2. 过滤器
如果需要统一设置编码，则通过
filter进行设置是个不错的选择。在filter
class中，可以统一为需要的请求或者回应设置编码。参加上述setCharacterEncoding()。这个类apache已经给出了可以直接使
用的例子SetCharacterEncodingFilter。
6.3. POST和GET
很明显，以POST提交信息时，URL有更好的可读性，而且可以方便的使用setCharacterEncoding()来处理字符集问题。但GET方法形成的URL能够更容易表达网页的实际内容，也能够用于收藏。
从统一的角度考虑问题，建议采用
GET方法，这要求在程序中获得参数是进行特殊处理，而无法使用setCharacterEncoding()的便利，如果不考虑rewrite，就不存
在IE的UTF-8问题，可以考虑通过设置URIEncoding来方便获取URL中的参数。
6.4. 简繁体编码转换
GBK同时包含简体和繁体编码，也
就是说同一个字，由于编码不同，在GBK编码下属于两个字。有时候，为了正确取得完整的结果，应该将繁体和简体进行统一。可以考虑将UTF、GBK中的所
有繁体字，转换为相应的简体字，BIG5编码的数据，也应该转化成相应的简体字。当然，仍旧以UTF编码存储。
例如，对于"语言 語言"，用UTF表示为"
"xE8"xAF"xAD"xE8"xA8"x80 "xE8"xAA"x9E"xE8"xA8"x80"，进行简繁体编码转换后应该是两个相同的 "
"xE8"xAF"xAD"xE8"xA8"x80>"。
【原作】
王旭科
一、前言
经常在看到有关讨论Java相关技术的汉字的显示，数据存储汉字乱码的解决方法。本人从事Java平台相关开发也有近5年的时间，深感这种有关数据编码(Encoding)的问题，不是一个简单的描述就可以指出问题的原因所在。目前零星的解决方案没有提供一个全面的解释。不同的浏览器
,Web Server,Application Server,Database,支持的JDK版本不同，及设计的架构不周全，其组合是一个庞大的基数，下面就从B/S 3层架构的角度，说明国际化的数据编码常见问题的分析及解决方法。希望能分享自己的经验。
二、常见Java应用架构
实际中可能Web server和应用服务器(Application Server)合二为一，不过为了清晰起见，还是分开显示。
2.1 请求/响应(Request/Response) 工作模式
基于B/S架构的应用的模型，就是终端用户通过浏览器向web
Server发送请求，Web解释并响应请求。其事件流模型可以参考标准HTTP协议获得细节。常见的数据转换及传送发生以下三个环节.所有的转换都是双
向的.负责每个环节数据编码(Encoding)的角色不同，需要对每个环节的角色进行正确的参数设定互相配合才能得到期望的结果。
浏览器 ----------Web Server. Browser Render引擎/Web Server 引擎
WebServer ------- 应用服务器 .JSP/Server 引擎及可能存在的其他连接WebServer和Application Server的Plugin.
应用服务器 ------------- 数据库 .每个数据库厂家的JDBC驱动器.
这里最重要和最易变的是Browser >WebServer -JSP/Servet 之间的数据流和事件流发生的数据编码，JDBC如果只是利用纯粹的thin的模式来访问数据库，逻辑比较简单，如果通过不同数据库厂家为了提高性能提供的利用本地client的方式来访问数据库，其配置复杂性随不同厂家而不同，这里略过。以下对该事件流做详细描述，以阐述后面发生的”内幕”。
2.2 浏览器 HTML Render引擎如何显示和提交数据.核心的URL-Encoding.
浏览器渲染html页面里的内容如何编码，决策顺序如下。
首先，浏览器根据Web Server发送的Content-Type
Header,里的Charset信息来决定自己如何渲染html的显示。如果没有Content-Type,就根据Html页面里的<meta>中的Content-Type来决定渲染的字符编码.<meta>一般如下:
<META HTTP-EQUIV="Content-Type"CONTENT="text/html; CHARSET= “UTF-8">
一般出现乱码的情况，有可能是content-type同实际数据不符，所以使用浏览器的”改变编码”的功能换一个字符集合，就能看到正确的数据.如果以上有关字符编码的信息都无法得到，浏览器采用默认的ISO-8859-1来渲染HTML页面
其次，浏览器向WebServer通过 Form提交数据的时候，其编码数据的行为决策顺序如下
1.<Form>属性的accept-charset,指定的字符编码
2.<meta>指定的Content-Type
3.url-encoding 默认的字符编码.
这是标准按照HTML Internationalization (参考RFC 2070)规范的顺序。
根据实际的经验，FireFox 浏览器(或Mozilla Familly) 完全顺从这个顺序。
但IE 6 是2 <meta>指定的Content-Type优先级别最高，所以，在HTML面在<body>标记之前,<head>标记后第一个写入<meta>来声明本页的默认字符编码，是良好的习惯。可以保证大多数浏览器可以正确渲染HTML数据。
如果没有指定任何Content-Type,浏览器将按照iso-8859-1这种字符编码。
URL-Encoding的详细描述在(RFC 1738)，重要的就是URL Encoding Converted。
“Only alphanumerics [0-9a-zA-Z], the special
characters "$-_.+!*'()," [not including the quotes - ed], and reserved
characters used for their reserved purposes may be used unencoded
within a URL."”
这种方式下，就是常见的%HH字符串的结果了。所有字符被编码成 %HH字符串的方式被传递.
如果<meta>中的charset指明的不符合实际数据或着指定的字符集合不包容实际输入的字符集合，就会造成编码错误，丢失数据信息。
总之，浏览器向Web Server提交数据的时候，根据URL-Encodeds 编码数据并且设置Content-Type 为application/x-www-form-urlencoded,但没有传送任何有关charset的信息。
小结：
在HTML页面或JSP/Servlet等动态生成的页面里，必须指定正确的<meta>信息，才能保证数据显示渲染和提交给Web Server数据是正确编码的。如果没有指定任何charset的信息，浏览器是按照ISO-8859-1编码显示和提交数据，可能造成数据信息的丢失.
2.3 Web Server 如何接受Post/get的数据
通过2.2节的分析，我们可以知道，默认的情况下,WebServer是按照原始数据(raw
data)来接受数据的。写过CGI应用应该知道,这些数据是存放在服务器系统同应用相关的环境变量Cache中，我们常说的context(上下文)就
包含了这些原始的提交数据.
2.4 JSP/Servlet 如何获取数据
当使用Servlet调用getParameter或getParameters时候，通过Servlet包容器
(Container)上下文来从WebServer环境变量中获取原始数据并编码，但由于没有关于Charset的信息,所以此时设置正确的字符编码，
才能把被URL-Encoding的数据，正确还原。这是通过设置request的setCharacterEncoding来设置正确的字符集，才能得
到正确数据。
同时根据浏览器渲染HTML的规范，同样送回浏览器的数据也必须指定正确的字符集才能保证浏览器正确编码显示，这是通过对response的setContentType方法调用来做到的。
在实际应用中，了解了这些原理，不难写出正确的处理数据的应用。Servlet 2.3规范提供了Filter技术，可以完美解决Post数据和回应信息的编码问题，具体例子见附录1.
如果没有Filter技术，则需要使用常用的“重构字符串”技术来解决这个问题，代码见附录2
小结：
判断在Servlet中是否正确的重构了提交的(Post) 数据，一个常见的小技巧是通过System.out.println打印出数据到后端控制台，如果同系统当前字符集相同的数据能正确显示，表明重构正确，比如你的服务器是Sun Solaris或Linux ,默认语言是中文，那么中文数据就可以正确的被打印出来，而不是一堆”?????”.
2.5 JDBC 如何保存数据库
当把通过2.4 正确重构的数据要写入数据库时，同样要考虑字符编码的问题。
首先必须在执行JDBC或使用J2EE
CMP通过setxxxx符值之前，调整数据的编码同数据库字符编码一致，否则可能出错。这种转换同具体使用JDBC Driver
的方式不同而有所不同。假设纯粹使用thin(Type 3或Type
4)的方式，相对比较简单，只要知道正确的数据库端的字符集，实现数据重构为符合数据库字符编码的数据就可以了，代码见附录 2
三、通用国际化架构
1、所有HTML或JSP/Servlet动态页面<meta>指明字符集合为UTF-8
2、Servlet 指明设置request获取参数为UTF-8
3、Servlet 指明reponse Content-Type 的charset为UTF-8
4、数据库编码指明为UTF-8
这是最简明的国际化框架了.表现层HTML/JSP页面可以用最终用户本地语言编写保存为Unicode模式，或
通过字典方式根据用户的选择，来动态显示HTML/JSP页面上的本地语言提示性标签。在JSTL
1.0推出后，没有理由再使用本地语言编写多套HTML/JSP页面，带来维护和代码的复杂性。当然具体应用是复杂的，这里只是给出一个建议性的措施。
本文给出比较细节的解释了B/S架构下涉及到的Java编码的方面，有助于出现问题时，快速定位问题环节并解决之。
各种规范发展的很快，如果本文描述有错误或更好的实现，欢迎指正.
本文代码在Jboss 3.2.2 with Tomcat 下调试通过。
附录1:
Filter 源代码:
0 /*
1 * JSPEncoding.java
2 *
3 * Created on 2003年12月17日, 下午9:45
4 */
5
6 package action;
7
8 import java.io.*;
9 import java.net.*;
10 import java.util.*;
11 import java.text.*;
12 import javax.servlet.*;
13 import javax.servlet.http.*;
14
15 import javax.servlet.Filter;
16 import javax.servlet.FilterChain;
17 import javax.servlet.FilterConfig;
18 import javax.servlet.ServletContext;
19 import javax.servlet.ServletException;
20 import javax.servlet.ServletRequest;
21 import javax.servlet.ServletResponse;
22
23 /**
24 *
25 * @author Administrator
26 * @version
27 */
28
29 public class JSPEncoding implements Filter {
30
31 // The filter configuration object we are associated with. If
32 // this value is null, this filter instance is not currently
33 // configured.
34 private FilterConfig filterConfig = null;
35 // default to UTF-8
36 private String targetEncoding = "UTF-8";
37 public JSPEncoding() {
38 }
39
40 private void doBeforeProcessing(ServletRequest request, ServletResponse response)
41 throws IOException, ServletException {
42 if (debug) log("JSPEncoding:DoBeforeProcessing");
43 }
44
45 private void doAfterProcessing(ServletRequest request, ServletResponse response)
46 throws IOExce1ption, ServletException {
47 if (debug) log("JSPEncoding:DoAfterProcessing");
48 }
49
50 /**
51 *
52 * @param request The servlet request we are processing
53 * @param result The servlet response we are creating
54 * @param chain The filter chain we are processing
55 *
56 * @exception IOException if an input/output error occurs
57 * @exception ServletException if a servlet error occurs
58 */
59 public void doFilter(ServletRequest request, ServletResponse response,
60 FilterChain chain)
61 throws IOException, ServletException {
62
63 if (debug) log("JSPEncoding:doFilter()");
64
65 doBeforeProcessing(request, response);
66
67 HttpServletRequest srequest = (HttpServletRequest)request;
68 srequest.setCharacterEncoding(targetEncoding);
69 HttpServletResponse sresponse=(HttpServletResponse)response;
70 sresponse.addHeader("charset", targetEncoding);
71 try {
72 chain.doFilter(srequest, sresponse);
73 }
74 catch(Throwable t) {
75 t.printStackTrace();
76 }
77
78 doAfterProcessing(request, response);
79
80 }
81
82
83 /**
84 * Return the1 filter configuration object for this filter.
85 */
86 public FilterConfig getFilterConfig() {
87 return (this.filterConfig);
88 }
89
90
91 /**
92 * Set the filter configuration object for this filter.
93 *
94 * @param filterConfig The filter configuration object
95 */
96 public void setFilterConfig(FilterConfig filterConfig) {
97
98 this.filterConfig = filterConfig;
99 }
100
101 /**
102 * Destroy method for this filter
103 *
104 */
105 public void destroy() {
106 filterConfig = null;
107 targetEncoding = null;
108 }
109
110
111 /**
112 * Init method for this filter
113 *
114 */
115 public void init(FilterConfig config) {
116
117 this.filterConfig = config;
118 this.targetEncoding = config.getInitParameter("encoding");
119 if (config != null) {
120 if (debug) {
121 log("JSPEncoding:Initializing filter");
122 }
123 }
124 }
125
126 /**
127 * Return a String representation of this object.
128 */
129 public String toString() {
130
131 if (filterConfig == null) return ("JSPEncoding()");
132 StringBuffer sb = new StringBuffer("JSPEncoding(1");
133 sb.append(filterConfig);
134 sb.append(")");
135 return (sb.toString());
136
137 }
138
139
140
141
142
143 public void log(String msg) {
144 filterConfig.getServletContext().log(msg);
145 }
146
147 private static final boolean debug = true;
148 }
附录2 通用字符串重构
/**
*@param pValue is raw data
*@pEncoding is target data Encode
*/
public String convert(String pValue, String pEncoding)
throws IOException
{
byte bytes[] = getBytes(pValue);
return convert(bytes, pEncoding);
byte[] getBytes(String pValue)
{
byte bytes[] = new byte[pValue.length()];
for(int i = 0; i < bytes.length; i++)
bytes[i] = (byte)pValue.charAt(i);
return bytes;
}
public String convert(byte pValue[], String pEncoding)
throws IOException
{
ByteArrayInputStream bais = new ByteArrayInputStream(pValue);
InputStreamReader isr = new InputStreamReader(bais, pEncoding);
StringBuffer sb = new StringBuffer();
for(int c = isr.read(); c != -1; c = isr.read())
sb.append((char)c);
return sb.toString();
}
附录3
Servlet 2.3 Filter 的在web.xml中的表示
WEB-INF/web.xml
<filter>
<filter-name>action.JSPEncoding</filter-name>
<filter-class>action.JSPEncoding</filter-class>
<init-param>
<param-name>encoding</param-name>
<param-value>UTF-8</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>action.JSPEncoding</filter-name>
<url-pattern>/*</url-pattern>
</filter-mapping>