Java Web中涉及的编解码

浏览数：20 / 时间：2015年06月08日

用户从浏览器发起一个HTTP请求，存在编码的地方是URL、Cookie、Paramiter。服务器端接收到HTTP请求后要解析HTTP协议，其中URL、Cookie和POST表单参数要解码，服务器端可能还需要读取硬盘数据（数据库、文件），这些数据都可能存在编码问题。当Servlet处理完所有请求的数据后，需要将这些数据再编码通过Socket发送到用户请求的浏览器里，再经过浏览器解码成为文本。这些过程用图表示如下：

1.URL的编解码

为了验证浏览器是怎么编码URL的，我们选择FireFox浏览器并通过HTTPFox插件观察请求的URL的实际内容：

从结果上看，PathInfo是UTF-8编码，而QueryString是GBK编码。至于为什么有%，是由URL的编码规范FRC3986规定：浏览器编码URL将非ASCII字符按照某种编码格式编码成16进制数字后将每个16进制表示的字节前加上“%”。

从上面的测试结果可知，浏览器对PathInfo和QueryString的编码是不一样的，不同的浏览器对PathInfo的编码也可能不一样。如Chrome会对请求“http://localhost:8080/中国?中国”转变为“http://localhost:8080/%E4%B8%AD%E5%9B%BD?%E4%B8%AD%E5%9B%BD”，这里PathInfo和QueryString的编码是一样的，都是UTF-8编码。

2.HTTP Header的编解码

当客户端发起一个HTTP请求时，除了上面的URL外还可能会在Header中传递其他的参数，如Cookie、redirectPath等，这些用户设置的值很可能也会存在编码问题。

在Tomcat中，对Header中的项进行解码是在调用request.getHeader时进行的，如果请求的Header项没有解码则调用MessageBytes的toString方法，这个方法将从byte从char的转化使用的默认编码是ISO-8859-1,而我们也不能设置Header的其他解码格式，所以如果你设置的Header中非ASCII字符解码肯定会有乱码。

我们在添加Header时也是同样的道理，不要在Header中传递非ASCII字符，如果一定要传递可以先将字符用org.apache.catalina.util.URLEncoder编码，然后再添加到Header中，这样在浏览器到服务器的传递中就不会丢失信息了，我们在访问这些项时再按照相应的字符集解码就好了。

3.POST表单的编解码

POST表单参数传递方式与QueryString不同，它是通过HTTP的BODY传递到服务端的。当我们在页面上点击提交按钮时浏览器首先将根据页面的ContentType的Charset编码格式对表单填的参数进行编码，然后提交到服务器端。在服务器端同样也是用ContentType中的字符集进行解码。所以通过POST表单提交的参数一般不会出现问题，而且这个字符集编码是我们自己设置的。

另外，针对multipart/form-data类型的参数，也就是上传的文件编码，同样也使用ContentType定义的字符集编码。值得注意的地方是，上传文件是用字节流的方式传输到服务器的本地临时目录，这个过程并没有涉及字符编码，而真正编码是在将文件内容添加到parameters中时，如果用这个不能编码将会用默认编码ISO-8859-1来编码。

4.HTTP BODY的编解码

当用户请求的资源服务端已经成功获取后，这些内容将通过Response返回给客户端浏览器，这个过程先要经过编码再到浏览器进行解码，浏览器根据HTML的<meta HTTP-equiv=“Content-Type” content=”text/html; charset=GBK”>中的charset来解码。如果没有定义，那么浏览器将会使用默认的编码来解码。

访问数据库都是通过客户端JDBC驱动来完成的，用JDBC来存取数据要和数据的内置编码保持一致，可以通过设置JDBC URL来指定。

5.JS中的编解码

html文件本身中的js的编码和当前页面中的Content-Type保持一致。

对于采用<script src=”script.js”/>类型引入的js文件，浏览器就会以当前这个页面的默认字符集解析这个JS文件，如果外部的JS文件的编码格式与当前页面的编码格式一致，那么可以不设置这个charset。但是如果script.js文件的编码格式与当前页面的不一致，就必须要指定对应的字符集，要不然对于非ASCII字符就会出现乱码。