JSP页面编码问题研究（原创）

王朝java/jsp·作者佚名 2006-01-31

宽屏版字体: 小|中|大|超大

JSP页面编码问题研究

Motivition曾经有一个网友问过我这样一个问题：

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

<html>

<head>

</head>

<body>

中国

</body>

</html>

这个页面在为什么在运行的时候“中国”会变成乱码？

Analysis Key Step

对于上面问题的分析需要从整个JSP页面请求的生命周期来看，一般的都需要经历下面几个阶段：

1。应用服务器根据JSP页面生成一个Java文件

2。应用服务器调用java.exe将Java文件编译成一个Servlet对应的class文件

3。用户的浏览器请求JSP对应的Servlet，Web容器起一个线程执行Servlet，将数据返回给客户端浏览器

4。用户的IE根据返回的数据，将结果显示给用户。

Key Step Analysis为了更好的了解编码问题，我们暂时先从上面的四个环节一步步来分析，根据分析的结果，来得到最终的解决办法。

1．在应用服务器根据JSP页面生成Java文件阶段。

应用服务器会将整个JSP页面的代码读取出来，然后写到一个新的JAVA文件中，在读文件和写文件的时候都牵涉到一个编码问题，这个编码问题应用服务器是如何解决的呢？我研究Tomcat应用服务器的源代码，发现Tomcat中有一个pageEncoding参数非常重要，在ParserController会从JSP文件中读出这个参数（如果没有读到，就从第一行的contentType中读取charset），然后保存起来，如果没有读取到这个参数，会从JspConfig中读出一个默认的PageEncoding参数,如果这两个参数都没有的设置，系统会默认成ISO8859-1的编码来读取原来的JSP文件。

从上面的分析出，我们已经基本了解了应用服务器读取JSP文件的编码方式，由于Java底层都是基于Unicode编码来存储字符的，所以在写文件的时候，都输出成Unicode编码的形式。

2。在JDK将Java文件编译成Class文件的时候

可以利用-encoding参数指定源文件的编码，这在手动编译的时候非常重要，因为这决定了Java虚拟机读取Java文件时采用的编码方式，但是在Web应用中这个环节我们可以忽略，因为应用服务器可以很好的解决这个编码。以Tomcat为例，由于生成的java文件是固定的UTF-8编码，所以Tomcat也固定的采用UTF-8编码来读取，通过浏览AbstractCatalinaTask可以看到reader = new InputStreamReader(hconn.getInputStream(), CHARSET);其中的CHARSET=utf-8。所以在这个环节中应用服务器都可以很好的把握，不会带来编码问题。

3．用户的浏览器请求JSP对应的Servlet阶段。

如果前面的环节中不会带来编码问题，也就是说在Java虚拟机中运行的时候，能正常的获取到“中国”，那么在执行servlet的环节中不会“中国”始终是以Unicode存储的中国，那么在第三个环节中需要关注的是JspWriter如何将数据返回给客户端浏览器。大家可以试验一下，在java中如果用new String(str.getBytes("encoding"),"encoding")执行的时候，始终不会出现乱码问题，也就是说，一个字符串可以用不同的代码来getBytes()生成字节数组（底层I18N.jar所作的工作，提供Byte2Char和Char2Byte的转换）。

如果大家可以理解这一点，那么下面大家就需要了解JspWriter输出字符串时采用的编码方式是什么？通过浏览Response.java类可以了解到Tomcat应用服务器是根据contentType来获取的writer的编码方式，也就是说，最后返回客户端的字节流是contentType对应的charset中获取出来的字节数组。

4． IE根据返回的数据处理显示阶段

通过前面的分析可以了解到，应用服务器返回的“中国”是根据ContentType中的charset来显示的，只要IE知道该用这个编码来接收字节流并转成字符串，并将用户的浏览器推荐合适的编码来查看结果，用户就可以浏览到正确的“中国”两个字。可以高兴得是，目前的IE等浏览器正式这样处理的。

Conclusion

通过上面的分析，我们可以看到，在整个JSP页面的编码过程中，我们真正要解决的是JSP文件到Java文件这个过程中的编码问题，也就是PageEncoding参数的设置问题。由于pageEncoding参数是servlet2.3规范中规定的参数，所以下面的方法在很多应用服务器下面都通用，这方面的设置本人在工作中基本上得到了下面的一些方法：

1。在JSP页面的中加上pageEncoding参数，比如：<%@ page contentType="text/html; charset=UTF-8" pageEncoding="GBK"%>，这样就可以将页面可以用ANSI来存储。也就是说当页面存储的编码方式和chtentType中的charset不一样的时候，可以考虑加上pageEncoding参数。

2。有些应用服务器（如weblogic），在没有获取到pageEncoding参数的时候，不是先从charset中获取编码类型，而是从另外的一些配置文件，如weblogic.xml文件中加上下面的代码：

<jsp-descriptor>

<jsp-param>

<param-name>compilerSupports</param-name>

<param-value>true</param-value>

</jsp-param>

<jsp-param>

<param-name>encoding</param-name>

<param-value>GBK</param-value>

</jsp-param>

</jsp-descriptor>

（在Tomcat5X种也有类似的处理，在应用的web.xml文件中加上类似下面的配置项）