如何在JSP中处理中文
类别: JSP教程 
在一个Web应用中经常需要向服务器传递一些参数，一般通过form向服务器发送一个POST请求。在参数中有可能包含中文信息，如用户信息登记、购物定单中的地址信息等等。参数字符串一般用本地字符集进行编码，如中文采用GB2312或GBK字符集，英文或西欧文字采用ISO8859_1字符集，但在Java程序中一律采用Unicode处理字符串，这就需要有一个编码转换的过程。不幸的是，现有的大部分Java应用服务器都是在英语国家开发出来的，由于缺乏大字符集（中文、日文、韩文等）的应用环境，这些应用服务器在处理HTTP请求参数时都存在一些中文处理的问题，也是最为困扰JSP和Servlet开发者的问题。
产生这一问题的根本原因是在HTTP请求中缺乏足够的信息来指明客户端所使用的字符集。在一个JSP页面中我们可以通过下面的伪指令来指明输出页面所使用的字符集：
JSP引擎会将上面的伪指令转换为HTTP应答的头部：
Content-Type: text/html; charset=GB2312
样输出的就是采用GB2312编码的中文页面，浏览器会正确地显示出中文。但浏览器在将form的内容POST到服务器时却没有包含charset，而且将中文内容用%xx的形式（xx是十六进制数）进行编码，例如汉字"中"的GB2312内码为0xD6D0，在HTTP请求中就变成了%D6%D0，根据RFC2616的规定，如果在HTTP请求中未指明字符集，就使用ISO8859_1编码，这样"中"字在处理时变成了两个字符，分别为´u00D6´和´u00D0´，而返回到客户端时变成了两个不可显示的字符，浏览器一般显示成´??´。
解决这一问题的传统做法是编写额外的代码来完成字符集的转换：
strOut = new String(strIn.getBytes("8859_1"), "GB2312");
strIn是未经过转换的字符串，其编码为ISO8859_1，strOut是经过转换的字符串，其编码为GB2312。
在Apusic 0.9.5版中实现了Java Servlets 2.3规范草案，其中在ServletRequest接口中新增了一个方法setCharacterEncoding(String enc)，可以补上在HTTP请求中缺少的charset信息，而上面这一烦琐的转换过程就在Servlet引擎中自动完成了，而且Servlet引擎还对转换过程做了优化，提高了运行效率。下面给出一个简单的例子，大家可以做一下比较。
// 传统方式
<%@ page contentType="text/html; charset=gb2312" %>
<html>
<body>
<form method=post action=test.jsp>
<input type=text name=your_name>
</form>
<%= new String(request.getParameter("your_name").getBytes("8859_1"), "GB2312") %>
</body>
</html>
// 新的方式
<%@ page contentType="text/html; charset=gb2312" %>
<% request.setCharacterEncoding("GB2312"); %>
<html>
<body>
<form method=post action=test.jsp>
<input type=text name=your_name>
</form>
<%= request.getParameter("your_name") %>
</body>
</html>
产生这一问题的根本原因是在HTTP请求中缺乏足够的信息来指明客户端所使用的字符集。在一个JSP页面中我们可以通过下面的伪指令来指明输出页面所使用的字符集：
JSP引擎会将上面的伪指令转换为HTTP应答的头部：
Content-Type: text/html; charset=GB2312
样输出的就是采用GB2312编码的中文页面，浏览器会正确地显示出中文。但浏览器在将form的内容POST到服务器时却没有包含charset，而且将中文内容用%xx的形式（xx是十六进制数）进行编码，例如汉字"中"的GB2312内码为0xD6D0，在HTTP请求中就变成了%D6%D0，根据RFC2616的规定，如果在HTTP请求中未指明字符集，就使用ISO8859_1编码，这样"中"字在处理时变成了两个字符，分别为´u00D6´和´u00D0´，而返回到客户端时变成了两个不可显示的字符，浏览器一般显示成´??´。
解决这一问题的传统做法是编写额外的代码来完成字符集的转换：
strOut = new String(strIn.getBytes("8859_1"), "GB2312");
strIn是未经过转换的字符串，其编码为ISO8859_1，strOut是经过转换的字符串，其编码为GB2312。
在Apusic 0.9.5版中实现了Java Servlets 2.3规范草案，其中在ServletRequest接口中新增了一个方法setCharacterEncoding(String enc)，可以补上在HTTP请求中缺少的charset信息，而上面这一烦琐的转换过程就在Servlet引擎中自动完成了，而且Servlet引擎还对转换过程做了优化，提高了运行效率。下面给出一个简单的例子，大家可以做一下比较。
// 传统方式
<%@ page contentType="text/html; charset=gb2312" %>
<html>
<body>
<form method=post action=test.jsp>
<input type=text name=your_name>
</form>
<%= new String(request.getParameter("your_name").getBytes("8859_1"), "GB2312") %>
</body>
</html>
// 新的方式
<%@ page contentType="text/html; charset=gb2312" %>
<% request.setCharacterEncoding("GB2312"); %>
<html>
<body>
<form method=post action=test.jsp>
<input type=text name=your_name>
</form>
<%= request.getParameter("your_name") %>
</body>
</html>
- 上一篇: JSP中文问题解决方案
- 下一篇: 客户端COOKIE中文编程
