Java/JSP中文亂碼問題解決心得

自從接觸Java和JSP以來，就不斷與Java的中文亂碼問題打交道，現在終于得到了徹底的解決，現將我們的解決心得與大家共享。

一、Java中文問題的由來

Java的內核和class文件是基于unicode的，這使Java程序具有良好的跨平臺性，但也帶來了一些中文亂碼問題的麻煩。原因主要有兩方面，Java和JSP文件本身編譯時產生的亂碼問題和Java程序于其他媒介交互產生的亂碼問題。

首先Java（包括JSP）源文件中很可能包含有中文，而Java和JSP源文件的保存方式是基于字節流的，如果Java和JSP編譯成class文件過程中，使用的編碼方式與源文件的編碼不一致，就會出現亂碼。基于這種亂碼，建議在Java文件中盡量不要寫中文（注釋部分不參與編譯，寫中文沒關系），如果必須寫的話，盡量手動帶參數－ecoding GBK或－ecoding gb2312編譯；對于JSP，在文件頭加上<%@ page contentType="text/html;charset=GBK"%>或<%@ page contentType="text/html;charset=gb2312"%>基本上就能解決這類亂碼問題。

本文要重點討論的是第二類亂碼，即Java程序與其他存儲媒介交互時產生的亂碼。很多存儲媒介，如數據庫，文件，流等的存儲方式都是基于字節流的，Java程序與這些媒介交互時就會發生字符(char)與字節(byte)之間的轉換，具體情況如下：

從頁面form提交數據到java程序 byte－>char
從java程序到頁面顯示 char?>byte

從數據庫到java程序 byte?>char
從java程序到數據庫 char?>byte

從文件到java程序 byte－>char
從java程序到文件 char－>byte

從流到java程序 byte－>char
從java程序到流 char－>byte

如果在以上轉換過程中使用的編碼方式與字節原有的編碼不一致，很可能就會出現亂碼。

二、解決方法

前面已經提到了Java程序與其他媒介交互時字符和字節的轉換過程，如果這些轉換過程中容易產生亂碼。解決這些亂碼問題的關鍵在于確保轉換時使用的編碼方式與字節原有的編碼方式保持一致，下面分別論述（Java或JSP自身產生的亂碼請參看第一部分）。

1、JSP與頁面參數之間的亂碼
JSP獲取頁面參數時一般采用系統默認的編碼方式，如果頁面參數的編碼類型和系統默認的編碼類型不一致，很可能就會出現亂碼。解決這類亂碼問題的基本方法是在頁面獲取參數之前，強制指定request獲取參數的編碼方式：request.setCharacterEncoding("GBK")或request.setCharacterEncoding("gb2312")。
如果在JSP將變量輸出到頁面時出現了亂碼，可以通過設置response.setContentType("text/html;charset=GBK")或response.setContentType("text/html;charset=gb2312")解決。
如果不想在每個文件里都寫這樣兩句話，更簡潔的辦法是使用Servlet規范中的過慮器指定編碼，過濾器的在web.xml中的典型配置和主要代碼如下：
web.xml:

<filter>
<filter-name>CharacterEncodingFilter</filter-name>
<filter-class>net.vschool.web.CharacterEncodingFilter</filter-class>
<init-param>
<param-name>encoding</param-name>
<param-value>GBK</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>CharacterEncodingFilter</filter-name>
<url-pattern>/*</url-pattern>
</filter-mapping>

CharacterEncodingFilter.java:

public class CharacterEncodingFilter implements Filter
{

protected String encoding = null;

public void init(FilterConfig filterConfig) throws ServletException
{
this.encoding = filterConfig.getInitParameter("encoding");
}

public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException
{
request.setCharacterEncoding(encoding);
response.setContentType("text/html;charset="+encoding);
chain.doFilter(request, response);
}

}

2、Java與數據庫之間的亂碼
大部分數據庫都支持以unicode編碼方式，所以解決Java與數據庫之間的亂碼問題比較明智的方式是直接使用unicode編碼與數據庫交互。很多數據庫驅動自動支持unicode，如Microsoft的SQLServer驅動。其他大部分數據庫驅動，可以在驅動的url參數中指定，如如mm的mysql驅動：jdbc:mysql://localhost/WEBCLDB?useUnicode=true&characterEncoding=GBK。

3、Java與文件/流之間的亂碼
Java讀寫文件最常用的類是FileInputStream/FileOutputStream和FileReader/FileWriter。其中FileInputStream和FileOutputStream是基于字節流的，常用于讀寫二進制文件。讀寫字符文件建議使用基于字符的FileReader和FileWriter，省去了字節與字符之間的轉換。但這兩個類的構造函數默認使用系統的編碼方式，如果文件內容與系統編碼方式不一致，可能會出現亂碼。在這種情況下，建議使用FileReader和FileWriter的父類：InputStreamReader/OutputStreamWriter，它們也是基于字符的，但在構造函數中可以指定編碼類型：InputStreamReader(InputStream in, Charset cs) 和OutputStreamWriter(OutputStream out, Charset cs)。

4、其他
上面提到的方法應該能解決大部分亂碼問題，如果在其他地方還出現亂碼，可能需要手動修改代碼。解決Java亂碼問題的關鍵在于在字節與字符的轉換過程中，你必須知道原來字節或轉換后的字節的編碼方式，轉換時采用的編碼必須與這個編碼方式保持一致。我們以前使用Resin服務器，使用smartUpload組件上傳文件，上傳文件同時傳遞的中文參數獲取沒有亂碼問題。當在Linux中把Resin設置成服務后，上傳文件同時的中文參數獲取出現了亂碼。這個問題困擾了我們很久，后來我們分析smartUpload組件的源文件，因為文件上傳采用的是字節流的方式，里面包含的參數名稱和值也是字節流的方式傳遞的。smartUpload組件讀取字節流后再將參數名稱和值從字節流中解析出來，問題就出現在smartUpload將字節流轉換成字符串時采用了系統默認的編碼，而將Resin設置成服務后，系統默認的編碼可能發生了改變，因此出現了亂碼。后來，我們更改了smartUpload的源文件，增加了一個屬性charset和setCharset(String)方法，將upload()方法中提取參數語句：
String value = new String(m_binArray, m_startData, (m_endData - m_startData) + 1 );
改成了
String value = new String(m_binArray, m_startData, (m_endData - m_startData) + 1, charset );
終于解決了這個亂碼問題。

三、后記
接觸Java和JSP已經有一年多了，這一年來最大的收獲是越來越喜歡上了Java，開始把問題當作樂事去研究，沒有了以前的恐懼心理，我相信我會繼續堅持下去。這一年來，從網上學習了很多同行的寶貴經驗，在此表示感謝。這是我第一篇自己總結的Java學習心得，由于水平有限，本文中偏頗和錯誤之處，歡迎指正。如果對你有些價值，在保留作者信息和文章原始出處的前提下可以隨處轉載。
撰寫該文之前已參考了很多關于Java中文問題的文章，其中影響比較大的有owen1944在“Java研究組織”中發表的《這是我們公司總結的一些關于中文亂碼問題的一些解決方案和經驗和大家分享！》等。本文談到的解決方法已應用到“基于網絡的協作學習系統－WebCL”等項目中，并通過資源綁定的方式實現了該平臺中文文兩個版本的即時切換。Google根據瀏覽器自動選擇語言，一個頁面同時顯示多種語言的國際化應用和車東的《Java中文處理學習筆記??Hello Unicode》一文引起了我極大的興趣，日后想將繼續探討Java的國際化問題，歡迎大家一起討論。