Java在web页面上的编码解码处理及中文URL乱码解决

编码&解码
 通过下图我们可以了解在javaWeb中有哪些地方有转码：

用户想服务器发送一个HTTP请求，需要编码的地方有url、cookie、parameter，经过编码后服务器接受HTTP请求，解析HTTP请求，然后对url、cookie、parameter进行解码。在服务器进行业务逻辑处理过程中可能需要读取数据库、本地文件或者网络中的其他文件等等，这些过程都需要进行编码解码。当处理完成后，服务器将数据进行编码后发送给客户端，浏览器经过解码后显示给用户。在这个整个过程中涉及的编码解码的地方较多，其中最容易出现乱码的位置就在于服务器与客户端进行交互的过程。
 上面整个过程可以概括成这样，页面编码数据传递给服务器，服务器对获得的数据进行解码操作，经过一番业务逻辑处理后将最终结果编码处理后传递给客户端，客户端解码展示给用户。所以下面我就请求对javaweb的编码&解码进行阐述。
请求
 客户端想服务器发送请求无非就通过四中情况：
 1、URL方式直接访问。
 2、页面链接。
 3、表单get提交
 4、表单post提交
URL方式
 对于URL，如果该URL中全部都是英文的那倒是没有什么问题，如果有中文就要涉及到编码了。如何编码？根据什么规则来编码？又如何来解码呢？下面将一一解答！首先看URL的组成部分：

在这URL中浏览器将会对path和parameter进行编码操作。为了更好地解释编码过程，使用如下URL
 http://127.0.0.1:8080/perbank/我是cm?name=我是cm
 将以上地址输入到浏览器URL输入框中，通过查看http 报文头信息我们可以看到浏览器是如何进行编码的。下面是IE、Firefox、Chrome三个浏览器的编码情况：

可以看到各大浏览器对“我是”的编码情况如下：

查阅上篇博客的编码可知对于path部分Firefox、chrome、IE都是采用UTF-8编码格式，对于Query String部分Firefox、chrome采用UTF-8，IE采用GBK。至于为什么会加上%，这是因为URL的编码规范规定浏览器将ASCII字符非 ASCII 字符按照某种编码格式编码成 16 进制数字然后将每个 16 进制表示的字节前加上“%”。
 当然对于不同的浏览器，相同浏览器不同版本，不同的操作系统等环境都会导致编码结果不同，上表某一种情况，对于URL编码规则下任何结论都是过早的。由于各大浏览器、各个操作系统对URL的URI、QueryString编码都可能存在不同，这样对服务器的解码势必会造成很大的困扰，下面我们将已tomcat，看tomcat是如何对URL进行解码操作的。
 解析请求的 URL 是在 org.apache.coyote.HTTP11.InternalInputBuffer 的 parseRequestLine 方法中，这个方法把传过来的 URL 的 byte[] 设置到 org.apache.coyote.Request 的相应的属性中。这里的 URL 仍然是 byte 格式，转成 char 是在 org.apache.catalina.connector.CoyoteAdapter 的 convertURI 方法中完成的：

protected void convertURI(MessageBytes uri, Request request)
    throws Exception {
     ByteChunk bc = uri.getByteChunk();
     int length = bc.getLength();
     CharChunk cc = uri.getCharChunk();
     cc.allocate(length, -1);
     String enc = connector.getURIEncoding();  //获取URI解码集
     if (enc != null) {
      B2CConverter conv = request.getURIConverter();
      try {
       if (conv == null) {
        conv = new B2CConverter(enc);
        request.setURIConverter(conv);
       }
      } catch (IOException e) {...}
      if (conv != null) {
       try {
        conv.convert(bc, cc, cc.getBuffer().length - cc.getEnd());
        uri.setChars(cc.getBuffer(), cc.getStart(), cc.getLength());
        return;
       } catch (IOException e) {...}
      }
     }
     // Default encoding: fast conversion
     byte[] bbuf = bc.getBuffer();
     char[] cbuf = cc.getBuffer();
     int start = bc.getStart();
     for (int i = 0; i < length; i++) {
      cbuf[i] = (char) (bbuf[i + start] & 0xff);
     }
     uri.setChars(cbuf, 0, length);
 }

从上面的代码可知，对URI的解码操作是首先获取Connector的解码集，该配置在server.xml中

<Connector URIEncoding="utf-8" />

如果没有定义则会采用默认编码ISO-8859-1来解析。
 对于Query String部分，我们知道无论我们是通过get方式还是POST方式提交，所有的参数都是保存在Parameters，然后我们通过request.getParameter，解码工作就是在第一次调用getParameter方法时进行的。在getParameter方法内部它调用org.apache.catalina.connector.Request 的 parseParameters 方法，这个方法将会对传递的参数进行解码。下面代码只是parseParameters方法的一部分：

//获取编码
 String enc = getCharacterEncoding();
 //获取ContentType 中定义的 Charset
 boolean useBodyEncodingForURI = connector.getUseBodyEncodingForURI();
 if (enc != null) { //如果设置编码不为空，则设置编码为enc
  parameters.setEncoding(enc);
  if (useBodyEncodingForURI) { //如果设置了Chartset，则设置queryString的解码为ChartSet
   parameters.setQueryStringEncoding(enc);
  }
 } else {  //设置默认解码方式
  parameters.setEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING);
  if (useBodyEncodingForURI) {
   parameters.setQueryStringEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING);
  }
 }

从上面代码可以看出对query String的解码格式要么采用设置的ChartSet要么采用默认的解码格式ISO-8859-1。注意这个设置的ChartSet是在 http Header中定义的ContentType，同时如果我们需要改指定属性生效，还需要进行如下配置：

<Connector URIEncoding="UTF-8" useBodyEncodingForURI="true"/>

上面部分详细介绍了URL方式请求的编码解码过程。其实对于我们而言，我们更多的方式是通过表单的形式来提交。
表单GET
 我们知道通过URL方式提交数据是很容易产生乱码问题的，所以我们更加倾向于通过表单形式。当用户点击submit提交表单时，浏览器会更加设定的编码来编码数据传递给服务器。通过GET方式提交的数据都是拼接在URL后面（可以当做query String？？）来提交的，所以tomcat服务器在进行解码过程中URIEncoding就起到作用了。tomcat服务器会根据设置的URIEncoding来进行解码，如果没有设置则会使用默认的ISO-8859-1来解码。假如我们在页面将编码设置为UTF-8，而URIEncoding设置的不是或者没有设置，那么服务器进行解码时就会产生乱码。这个时候我们一般可以通过new String(request.getParameter("name").getBytes("iso-8859-1"),"utf-8") 的形式来获取正确数据。
表单POST
 对于POST方式，它采用的编码也是由页面来决定的即contentType。当我通过点击页面的submit按钮来提交表单时，浏览器首先会根据ontentType的charset编码格式来对POST表单的参数进行编码然后提交给服务器，在服务器端同样也是用contentType中设置的字符集来进行解码（这里与get方式就不同了），这就是通过POST表单提交的参数一般而言都不会出现乱码问题。当然这个字符集编码我们是可以自己设定的：request.setCharacterEncoding(charset) 。

解决URL中文乱码问题
我们主要通过两种形式提交向服务器发送请求：URL、表单。而表单形式一般都不会出现乱码问题，乱码问题主要是在URL上面。通过前面几篇博客的介绍我们知道URL向服务器发送请求编码过程实在是实在太混乱了。不同的操作系统、不同的浏览器、不同的网页字符集，将导致完全不同的编码结果。如果程序员要把每一种结果都考虑进去，是不是太恐怖了？有没有办法，能够保证客户端只用一种编码方法向服务器发出请求？
 有！这里我主要提供以下几种方法
javascript
 使用javascript编码不给浏览器插手的机会，编码之后再向服务器发送请求，然后在服务器中解码。在掌握该方法的时候，我们需要料及javascript编码的三个方法：escape()、encodeURI()、encodeURIComponent()。
escape
 采用SIO Latin字符集对指定的字符串进行编码。所有非ASCII字符都会被编码为%xx格式的字符串，其中xx表示该字符在字符集中所对应的16进制数字。例如，格式对应的编码为%20。它对应的解码方法为unescape()。

事实上escape()不能直接用于URL编码，它的真正作用是返回一个字符的Unicode编码值。比如上面“我是cm”的结果为%u6211%u662Fcm，其中“我”对应的编码为6211，“是”的编码为662F，“cm”编码为cm。
 注意，escape()不对"+"编码。但是我们知道，网页在提交表单的时候，如果有空格，则会被转化为+字符。服务器处理数据的时候，会把+号处理成空格。所以，使用的时候要小心。 
encodeURI
 对整个URL进行编码，它采用的是UTF-8格式输出编码后的字符串。不过encodeURI除了ASCII编码外对于一些特殊的字符也不会进行编码如：! @ # $& * ( ) = : / ; ? + '。

encodeURIComponent
 把URI字符串采用UTF-8编码格式转化成escape格式的字符串。相对于encodeURI，encodeURIComponent会更加强大，它会对那些在encodeURI()中不被编码的符号（; / ? : @ & = + $ , #）统统会被编码。但是encodeURIComponent只会对URL的组成部分进行个别编码，而不用于对整个URL进行编码。对应解码函数方法decodeURIComponent。
 当然我们一般都是使用encodeURI方来进行编码操作。所谓的javascript两次编码后台两次解码就是使用该方法。javascript解决该问题有一次转码、两次转码两种解决方法。
一次转码
 javascript转码：

var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm';
window.location.href = encodeURI(url); 

转码后的URL：http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%E6%88%91%E6%98%AFcm
 后台处理:

String name = request.getParameter("name");
System.out.println("前台传入参数：" + name);
name = new String(name.getBytes("ISO-8859-1"),"UTF-8");
System.out.println("经过解码后参数：" + name);

输出结果：
 前台传入参数：??????cm
 经过解码后参数：我是cm
二次转码
 javascript

var url = '<s:property value="webPath" />/ShowMoblieQRCode.servlet?name=我是cm';
window.location.href = encodeURI(encodeURI(url));

转码后的url:http://127.0.0.1:8080/perbank/ShowMoblieQRCode.servlet?name=%25E6%2588%2591%25E6%2598%25AFcm
 后台处理：

String name = request.getParameter("name");
System.out.println("前台传入参数：" + name);
name = URLDecoder.decode(name,"UTF-8");
System.out.println("经过解码后参数：" + name);

输出结果：
 前台传入参数：E68891E698AFcm
 经过解码后参数：我是cm

filter
 使用过滤器，过滤器提供两种，第一种设置编码，第二种直接在过滤器中进行解码操作。
过滤器1
 该过滤器是直接设置request的编码格式的。

public class CharacterEncoding implements Filter { 

 private FilterConfig config ;
 String encoding = null; 

 public void destroy() {
  config = null;
 } 

 public void doFilter(ServletRequest request, ServletResponse response,
   FilterChain chain) throws IOException, ServletException {
  request.setCharacterEncoding(encoding);
  chain.doFilter(request, response);
 } 

 public void init(FilterConfig config) throws ServletException {
  this.config = config;
  //获取配置参数
  String str = config.getInitParameter("encoding");
  if(str!=null){
   encoding = str;
  }
 } 

}

配置：

<!-- 中文过滤器的配置 -->
 <filter>
  <filter-name>chineseEncoding</filter-name>
  <filter-class>com.test.filter.CharacterEncoding</filter-class> 

  <init-param>
   <param-name>encoding</param-name>
   <param-value>utf-8</param-value>
  </init-param>
 </filter> 

 <filter-mapping>
  <filter-name>chineseEncoding</filter-name>
  <url-pattern>/*</url-pattern>
 </filter-mapping>

过滤器2
 该过滤器在处理方法中将参数直接进行解码操作，然后将解码后的参数重新设置到request的attribute中。

public class CharacterEncoding implements Filter {
 protected FilterConfig filterConfig ;
 String encoding = null; 

 public void destroy() {
  this.filterConfig = null;
 } 

 /**
  * 初始化
  */
 public void init(FilterConfig filterConfig) {
  this.filterConfig = filterConfig;
 } 

 /**
  * 将 inStr 转为 UTF-8 的编码形式
  *
  * @param inStr 输入字符串
  * @return UTF - 8 的编码形式的字符串
  * @throws UnsupportedEncodingException
  */
 private String toUTF(String inStr) throws UnsupportedEncodingException {
  String outStr = "";
  if (inStr != null) {
   outStr = new String(inStr.getBytes("iso-8859-1"), "UTF-8");
  }
  return outStr;
 } 

 /**
  * 中文乱码过滤处理
  */
 public void doFilter(ServletRequest servletRequest,
   ServletResponse servletResponse, FilterChain chain) throws IOException,
   ServletException {
  HttpServletRequest request = (HttpServletRequest) servletRequest;
  HttpServletResponse response = (HttpServletResponse) servletResponse; 

  // 获得请求的方式 (1.post or 2.get), 根据不同请求方式进行不同处理
  String method = request.getMethod();
  // 1. 以 post 方式提交的请求 , 直接设置编码为 UTF-8
  if (method.equalsIgnoreCase("post")) {
   try {
    request.setCharacterEncoding("UTF-8");
   } catch (UnsupportedEncodingException e) {
    e.printStackTrace();
   }
  }
  // 2. 以 get 方式提交的请求
  else {
   // 取出客户提交的参数集
   Enumeration<String> paramNames = request.getParameterNames();
   // 遍历参数集取出每个参数的名称及值
   while (paramNames.hasMoreElements()) {
    String name = paramNames.nextElement(); // 取出参数名称
    String values[] = request.getParameterValues(name); // 根据参数名称取出其值
    // 如果参数值集不为空
    if (values != null) {
     // 遍历参数值集
     for (int i = 0; i < values.length; i++) {
      try {
       // 回圈依次将每个值调用 toUTF(values[i]) 方法转换参数值的字元编码
       String vlustr = toUTF(values[i]);
       values[i] = vlustr;
      } catch (UnsupportedEncodingException e) {
       e.printStackTrace();
      }
     }
     // 将该值以属性的形式藏在 request
     request.setAttribute(name, values);
    }
   } 

  }
  // 设置响应方式和支持中文的字元集
  response.setContentType("text/html;charset=UTF-8"); 

  // 继续执行下一个 filter, 无一下个 filter 则执行请求
  chain.doFilter(request, response);
 }
}
 

配置：

<!-- 中文过滤器的配置 -->
 <filter>
  <filter-name>chineseEncoding</filter-name>
  <filter-class>com.test.filter.CharacterEncoding</filter-class>
 </filter> 

 <filter-mapping>
  <filter-name>chineseEncoding</filter-name>
  <url-pattern>/*</url-pattern>
 </filter-mapping> 

其他
 1、设置pageEncoding、contentType

<%@ page language="java" contentType="text/html;charset=UTF-8" pageEncoding="UTF-8"%>

2、设置tomcat的URIEncoding
 在默认情况下，tomcat服务器使用的是ISO-8859-1编码格式来编码的，URIEncoding参数对get请求的URL进行编码，所以我们只需要在tomcat的server.xml文件的<Connector>标签中加上URIEncoding="utf-8"即可。