WEB 中文乱码总结

编码问题是很多初学者在 Web 开发过程中经常会遇到问题,很多同学在记忆的时候容易出现混淆,或是虽然能够机械的记住解决的代码,但是对乱码出现的原因以及解决的原理未作过了解。因此本文对这部分内容作一个简单的总结和解释。

请求中文乱码

HTTP 请求中,最常用的请求方式为 GET 和 POST。请求参数会随着不同的请求方式出现在不同的位置,所以对于中文乱码的处理方式也不一样。

GET 请求中文参数乱码解决

GET 方式提交参数时,参数是直接出现在 URL 中的,对于 GET 请求,中文参数乱码问题解决方式有3种。

1.修改 Tomcat 编码。
Tomcat 安装路径–> conf –> server.xml –> Connector 标签 –> 增加 URIEncoding 属性

1
<Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443" URIEncoding="UTF-8"/>

通常不建议使用这种方式,因为一个采用 Tomcat8.0 之前版本服务器的老项目,代码中可能已经处理了 GET请求的乱码问题,采用这种方式反而会导致乱码的出现。Tomcat8 以及以上版本已经将默认编码修改为 UTF-8 因此不用修改。

2. 通过 URLEncoder 和 URLDecoder 进行编解码操作。

1
2
String encode = URLEncoder.encode(request.getParameter("name"),"ISO-8859-1");
String name = URLDecoder.decode(name,"UTF-8");

代码解释:

GET 请求的参数是出现在 URL 中的 QueryString 部分的,URL 中如果含有中文等非 ASCII 字符,则浏览器会对它们进行 URLEncode,然后发送给服务器,在通过 request.getParameter(“name”) 取出时又会对该 name 对应的参数进行 URLDecode。通常在进行 URLEncode 的时候采用的编码为 UTF-8,而在 URLDecode 的时候会采用 Tomcat 服务器的默认编码 ISO-8859-1,编码和解码所采用的编码方式不一致,所以出现乱码。既然通过 request.getParameter(“name”) 得到了一个采用 ISO-8859-1 进行 URLDecode 的乱码,那么我们可以对该乱码通过 ISO-8859-1 进行 URLEncode,此时的值就是浏览器最初提交到后台的通过 UTF-8 URLEncode 后的数据。然后我们通过与浏览器一致的 UTF-8 编码对该数据进行解码。两端编码一致,乱码问题就得到了解决。

Talk is cheap, Show you the code.
我们通过下面的代码来解释乱码出现到解决的过程,

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
@Test
public void test1()throws Exception {
// 1,原始中文参数
String parameter = "中文";
System.out.println("原始中文参数:"+parameter);
// 2,浏览器通过 UTF-8 进行 URLEncode
String browerEncodeParameter = URLEncoder.encode(parameter, "UTF-8");
System.out.println("浏览器通过 UTF-8 进行 URLEncode 后的值:" +browerEncodeParameter);
// 3,通过 ISO-8859-1 进行 URLDecode
String serverDecodeParameter = URLDecoder.decode(browerEncodeParameter, "ISO-8859-1");
System.out.println("直接取出时通过 ISO-8859-1 进行 URLDecode 后得到的乱码:"+serverDecodeParameter);
// 4,手动通过 ISO-8859-1 对乱码进行 URLEncode
String codeEncodeParameter = URLEncoder.encode(serverDecodeParameter,"ISO-8859-1");
System.out.println("手动对乱码通过 ISO-8859-1 进行 URLEncode 得到的浏览器原始提交的值:"+codeEncodeParameter);
// 5,手动通过 UTF-8 对步骤4得到的值进行 URLDecode 后得到正确中文参数
String codeDecodeParameter = URLDecoder.decode(codeEncodeParameter,"UTF-8");
System.out.println("手动通过 UTF-8 进行 URLDecode 后得到的正确中文参数:"+codeDecodeParameter);
}

执行结果:

1
2
3
4
5
原始中文参数:  中文
浏览器通过 UTF-8 进行 URLEncode 后的值: %E4%B8%AD%E6%96%87
直接取出时通过 ISO-8859-1 进行 URLDecode 后得到的乱码: 中文
手动对乱码通过 ISO-8859-1 进行 URLEncode 得到的浏览器原始提交的值: %E4%B8%AD%E6%96%87
手动通过 UTF-8 进行 URLDecode 后得到的正确中文参数: 中文

3. 通过 String 的构造方法。

1
String name = new String(request.getParameter("name").getBytes("IOS-8859-1"),"UTF-8");

代码解释:

无论从浏览器提交时中文参数是什么编码格式,到达服务器时因为 Tomcat 编码方式的原因,采用 ISO-8859-1 的方式给解析成了乱码
request.getParameter(“name”) 获取到的就是一个通过 ISO-8859-1 方式解析之后的乱码,那么我们通过 getBytes(“ISO-8859-1”) 将它反解成原有编码的字符数组,相当于打回原形,这是一个正确的字符数组,然后通过 String 的构造方法将这个正确的字符数组转成 UTF-8 编码的字符串。因为代码相对简单,因此通常采用这种方式。

POST请求中文参数乱码解决

对于 POST 方式,表单中的参数值对是通过 request body 发送给服务器,此时浏览器会根据网页的 ContentType(“text/html; charset=编码”) 中指定的编码进行对表单中的数据进行编码,然后发给服务器。POST 的参数是在请求体中,直接到达后台,数据在 Servlet 中的 request 中。request 有一个缓冲区,request 的缓冲区采用的是 ISO-8859-1 编码,因为 requeset 是 Tomcat 负责创建的,所以用的是 Tomcat 的编码。解决方式是设置 request 缓冲区编码。在服务器端的程序中我们可以通过 request 对象 的 setCharacterEncoding 方法设置编码,然后通过 request 对象的 getParameter 获得正确的数据。

1
2
request.setCharacterEncoding("UTF-8");
String value = requst.getParameter("name");

响应中文乱码

通常情况我们都是通过 HttpServletResponse 对象向页面进行响应,HttpServletResponse 有两种响应方式,一种是 OutputStream 字节流,另一种是 PrintWriter 字符流。是否会出现中文乱码,以及乱码解决方式跟采用的流的类型有关。

字节流

使用字节流不一定会出现中文乱码,取决于操作系统,工作空间以及浏览器打开页面时采用的编码。如果两端编码一致,则不会出现中文乱码,不一致则出现乱码。

  • 解决方式:
  1. 设置字符数组取出时的编码
  2. 设置浏览器打开时的编码
1
2
response.getOutPutStream.write("中文".getBytes("UTF-8"));
response.setHeader("Content-Type","text/html;charset=UTF-8");

总之是设置输出时的字节数组编码和浏览器解析时的编码一致。中文转成字节数组的时候,如果 IDE 工作空间的编码正好和浏览器一致,可以不用设置字符数组取出时的编码,但是为了保险起见,建议还是设置。

字符流

使用字符流一定会出现中文乱码,HttpServletResponse 使用的字符流是有缓冲区的,缓冲区使用的默认编码是 IOS-8859-1,压根儿就不支持中文。

  • 解决方式:
  1. 设置字符流缓冲区的编码
  2. 设置浏览器打开时的编码
1
2
3
response.setCharacterEncoding("UTF-8");
response.setHeader("Content-Type","text/html;charset=UTF-8");
response.getWriter().println("中文");

简化写法

1
2
response.setContentType("text/html;charset=UTF-8");
response.getWriter().println("中文");

文件下载时的中文文件名乱码处理

文件下载前,文件名一般是以 GET 请求方式的参数直接出现在浏览器的地址栏也就是 URL 中的,所以需要先通过解决 GET 请求中文乱码的方式将中文文件名接收成正常的中文。

在下载开始时,需要设置文件保存时采用的文件名,不同浏览器因为特性的不同需要分别设置,如 IE 等内核的浏览器要求 Content-Disposition 响应头中的中文文件名需要通过 URLEncoder 进行编码,而火狐浏览器要求 Content-Disposition 响应头中的中文文件名需要通过 Base64 进行编码。所以要通过请求头中的 User-Agent 头信息获取到浏览器类型后分别处理。

  • 解决方式
1
2
3
4
5
6
7
8
9
10
11
// 1.接收参数,解决 GET 请求参数中文乱码,目的是将中文文件名转成正常中文
String filename = new String(request.getParameter("filename").getBytes("ISO-8859-1"),"UTF-8");
// 根据浏览器的类型处理保存的中文文件名的乱码问题:
String agent = request.getHeader("User-Agent");
if(agent.contains("Firefox")){
filename = base64EncodeFileName(filename);
}else{
filename = URLEncoder.encode(filename,"UTF-8");
}
// 2.2设置Content-Disposition头
response.setHeader("Content-Disposition", "attachment;filename="+filename);

通过 Base64 编码中文文件名的方法代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
   // 参数为中文文件名
public static String base64EncodeFileName(String fileName) {
BASE64Encoder base64Encoder = new BASE64Encoder();
try {
return "=?UTF-8?B?"
+ new String(base64Encoder.encode(fileName
.getBytes("UTF-8"))) + "?=";
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
throw new RuntimeException(e);
}
}