深入剖析JSP和Servlet对中文的处理

韩冰

世界上的各地区都有本地的语言。地区差异直接导致了语言环境的差异。在开发一个国际化程序的过程中，处理语言问题就显得很重要了。

　　这是一个世界范围内都存在的问题，所以，Java提供了世界性的解决方法。本文描述的方法是用于处理中文的，但是，推而广之，对于处理世界上其它国家和地区的语言同样适用。

% _: m! l) Q  Z0 G3 ]　　汉字是双字节的。所谓双字节是指一个双字要占用两个BYTE的位置（即16位），分别称为高位和低位。中国规定的汉字编码为GB2312，这是强制性的，目前几乎所有的能处理中文的应用程序都支持GB2312。GB2312包括了一二级汉字和9区符号，高位从0xa1到0xfe，低位也是从0xa1到0xfe，其中，汉字的编码范围为0xb0a1到0xf7fe。

4 i4 B: r8 Y4 J3 h- I* n" w9 ~　　另外有一种编码，叫做GBK，但这是一份规范，不是强制的。GBK提供了20902个汉字，它兼容GB2312，编码范围为0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。

6 A( T  v- S6 \( m6 X: |　　在不久的将来，中国会颁布另一种标准：GB18030-2000（GBK2K）。它收录了藏、蒙等少数民族的字型，从根本上解决了字位不足的问题。注意：它不再是定长的。其二字节部份与GBK兼容，四字节部分是扩充的字符、字形。它的首字节和第三字节从0x81到0xfe，二字节和第四字节从0x30到0x39。

　　本文不打算介绍Unicode，有兴趣的可以浏览“http://www.unicode.org/”查看更多的信息。Unicode有一个特性：它包括了世界上所有的字符字形。所以，各个地区的语言都可以建立与Unicode的映射关系，而Java正是利用了这一点以达到异种语言之间的转换。
# n. L, {0 N* j
0 W- D( f) l4 |　　在JDK中，与中文相关的编码有：

　　表1　JDK中与中文相关的编码列表

6 |7 }6 g6 I% q+ v& K( h编码名称说明ASCII7位，与ascii7相同ISO8859-18-位，与 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同GB2312-8016位，与gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同GBK与MS936相同，注意：区分大小写UTF8与UTF-8相同GB18030与cp1392、1392相同，目前支持的JDK很少
　　在实际编程时，接触得比较多的是GB2312（GBK）和ISO8859-1。

　　为什么会有“?”号
: b4 Z. D) x* l# J; q9 ^& B
9 a% D1 H/ P- N# P% C- ?* O7 o! H4 u# u　　上文说过，异种语言之间的转换是通过Unicode来完成的。假设有两种不同的语言A和B，转换的步骤为：先把A转化为Unicode，再把Unicode转化为B。

　　举例说明。有GB2312中有一个汉字“李”，其编码为“C0EE”，欲转化为ISO8859-1编码。步骤为：先把“李”字转化为Unicode，得到“674E”，再把“674E”转化为ISO8859-1字符。当然，这个映射不会成功，因为ISO8859-1中根本就没有与“674E”对应的字符。

　　当映射不成功时，问题就发生了！当从某语言向Unicode转化时，如果在某语言中没有该字符，得到的将是Unicode的代码“\uffffd”（“\u”表示是Unicode编码，）。而从Unicode向某语言转化时，如果某语言没有对应的字符，则得到的是“0x3f”（“?”）。这就是“?”的由来。
6 }) {6 ^/ x4 W6 d
　　例如：把字符流buf =“0x80 0x40 0xb0 0xa1”进行new String(buf, "gb2312")操作，得到的结果是“\ufffd\u554a”，再println出来，得到的结果将是“?啊”，因为“0x80 0x40”是GBK中的字符，在GB2312中没有。
; ?! r: P9 S4 @/ X3 w
: E3 Z, s2 n6 }9 }　　再如，把字符串String="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"进行new String (buf.getBytes("GBK"))操作，得到的结果是“3fa8aca8a6463fa8b4”，其中，“\u00d6”在“GBK”中没有对应的字符，得到“3f”，“\u00ec”对应着“a8ac”，“\u00e9”对应着“a8a6”，“0046”对应着“46”（因为这是ASCII字符），“\u00bb”没找到，得到“3f”，最后，“\u00f9”对应着“a8b4”。把这个字符串println一下，得到的结果是“?ìéF?ù”。看到没？这里并不全是问号，因为GBK与Unicode映射的内容中除了汉字外还有字符，本例就是最好的明证。
; N' D8 O7 \# W# ?6 Z/ J* n' {
3 Y  l/ y& N6 |/ W: f　　所以，在汉字转码时，如果发生错乱，得到的不一定都是问号噢！不过，错了终究是错了，50步和100步并没有质的差别。
) z6 g# Z- w$ u1 K( [7 A
　　或者会问：如果源字符集中有，而Unicode中没有，结果会如何？回答是不知道。因为我手头没有能做这个测试的源字符集。但有一点是肯定的，那就是源字符集不够规范。在Java中，如果发生这种情况，是会抛出异常的。

7 G+ O8 c; J& c1 S什么是UTF
& n" q! w+ z0 \* b4 c
5 L& J: g4 r! c0 q, i) B% ?) }" Q! Y　　UTF，是Unicode Text Format的缩写，意为Unicode文本格式。对于UTF，是这样定义的：

　　（1）如果Unicode的16位字符的头9位是0，则用一个字节表示，这个字节的首位是“0”，剩下的7位与原字符中的后7位相同，如“\u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（与源Unicode字符是相同的）；

　　（2）如果Unicode的16位字符的头5位是0，则用2个字节表示，首字节是“110”开头，后面的5位与源字符中除去头5个零后的最高5位相同；第二个字节以“10”开头，后面的6位与源字符中的低6位相同。如“\u025d”（0000 0010 0101 1101），转化后为“c99d”（1100 1001 1001 1101）；

　　（3）如果不符合上述两个规则，则用三个字节表示。第一个字节以“1110”开头，后四位为源字符的高四位；第二个字节以“10”开头，后六位为源字符中间的六位；第三个字节以“10”开头，后六位为源字符的低六位；如“\u9da7”（1001 1101 1010 0111），转化为“e9b6a7”（1110 1001 1011 0110 1010 0111）；

: w# Q0 x$ O! t　　可以这么描述JAVA程序中Unicode与UTF的关系，虽然不绝对：字符串在内存中运行时，表现为Unicode代码，而当要保存到文件或其它介质中去时，用的是UTF。这个转化过程是由writeUTF和readUTF来完成的。

　　好了，基础性的论述差不多了，下面进入正题。
4 ~+ s! Q% a5 }1 N0 }, h, U3 b7 }
1 ]  h2 P" m+ X$ q/ D/ ^  q0 T　　先把这个问题想成是一个黑匣子。先看黑匣子的一级表示：
4 O6 L1 \) G6 d2 Z
& t, y+ k; B8 c9 Q% vinput(charsetA)-＞process(Unicode)-＞output(charsetB)
; C- @# }/ u% ~
) ?, O' d4 V- L; z9 N% y7 h' y　　简单，这就是一个IPO模型，即输入、处理和输出。同样的内容要经过“从charsetA到unicode再到charsetB”的转化。

　　再看二级表示：

. t+ ~' L& j; `" HSourceFile(jsp,java)-＞class-＞output

　　在这个图中，可以看出，输入的是jsp和java源文件，在处理过程中，以Class文件为载体，然后输出。再细化到三级表示：

4 c/ ^- c1 N: {- pjsp-＞temp file-＞class-＞browser,os console,db
% e+ ^. \, Y- i
app,servlet-＞class-＞browser,os console,db

8 h' l5 Z4 |: r5 q5 I0 X+ y　　这个图就更明白了。Jsp文件先生成中间的Java文件，再生成Class。而Servlet和普通App则直接编译生成Class。然后，从Class再输出到浏览器、控制台或数据库等。

　　JSP：从源文件到Class的过程
9 c( ~; T; o* Z2 s2 U% t4 x, }
　　Jsp的源文件是以“.jsp”结尾的文本文件。在本节中，将阐述JSP文件的解释和编译过程，并跟踪其中的中文变化。

$ C: y8 ?7 y- K' _# R　　1、JSP/Servlet引擎提供的JSP转换工具（jspc）搜索JSP文件中用＜%@ page contentType ="text/html; charset=＜Jsp-charset＞"%＞中指定的charset。如果在JSP文件中未指定＜Jsp-charset＞，则取JVM中的默认设置file.encoding，一般情况下，这个值是ISO8859-1；

5 @' R( o! W; P2 X9 G4 D　　2、jspc用相当于“javac –encoding ＜Jsp-charset＞”的命令解释JSP文件中出现的所有字符，包括中文字符和ASCII字符，然后把这些字符转换成Unicode字符，再转化成UTF格式，存为JAVA文件。ASCII码字符转化为Unicode字符时只是简单地在前面加“00”，如“A”，转化为“\u0041”（不需要理由，Unicode的码表就是这么编的）。然后，经过到UTF的转换，又变回“41”了！这也就是可以使用普通文本编辑器查看由JSP生成的JAVA文件的原因；

　　3、引擎用相当于“javac –encoding UNICODE”的命令，把JAVA文件编译成CLASS文件；

　　先看一下这些过程中中文字符的转换情况。有如下源代码：
( x! K8 p$ I: i( M8 k3 ]! {9 s
＜%@ page contentType="text/html; charset=gb2312"%＞
- I  Y+ s+ z& N5 d＜html＞＜body＞
. D. f- D- Q. ^& w" \＜%
　String a="中文";
, p* t) k+ e) C& L6 w# x: T　out.println(a);
%＞
＜/body＞＜/html＞
　　这段代码是在UltraEdit for Windows上编写的。保存后，“中文”两个字的16进制编码为“D6 D0 CE C4”（GB2312编码）。经查表，“中文”两字的Unicode编码为“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打开引擎生成的由JSP文件转变而成的JAVA文件，发现其中的“中文”两个字确实被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件编译生成的CLASS文件，发现结果与JAVA文件中的完全一样。
! J! r- J1 p6 N6 R6 J" e0 K8 G
& |& p- t* E2 W5 w% c　　再看JSP中指定的CharSet为ISO-8859-1的情况。


＜%@ page contentType="text/html; charset=ISO-8859-1"%＞
＜html＞＜body＞
3 y3 n8 t6 K8 F, m" h1 `5 o/ M＜%
' U* b) u$ `7 ?$ t7 q2 E6 y2 Q　String a="中文";
　out.println(a);
%＞
＜/body＞＜/html＞
- V& @' g2 z( r9 A3 L" o/ X1 o% N　　同样，该文件是用UltraEdit编写的，“中文”这两个字也是存为GB2312编码“D6 D0 CE C4”。先模拟一下生成的JAVA文件和CLASS文件的过程：jspc用ISO-8859-1来解释“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁语系，其映射规则就是在每个字节前加“00”，所以，映射后的Unicode编码应为“\u00D6\u00D0\u00CE\u00C4”，转化成UTF后应该是“C3 96 C3 90 C3 8E C3 84”。好，打开文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示为“C3 96 C3 90 C3 8E C3 84”。
2 L4 R, X; X. r7 E# j
　　如果上述代码中不指定＜Jsp-charset＞，即把第一行写成“＜%@ page contentType="text/html" %＞”，JSPC会使用file.encoding的设置来解释JSP文件。在RedHat 6.2上，其处理结果与指定为ISO-8859-1是完全相同的。

, k/ H% B' j& q* _% X　　到现在为止，已经解释了从JSP文件到CLASS文件的转变过程中中文字符的映射过程。一句话：从“JspCharSet到Unicode再到UTF”。下表总结了这个过程：

0 W6 }+ U+ M  ?' V　　表2　“中文”从JSP到CLASS的转化过程
. D- ?- R4 {: g3 x: w% K, o

Jsp-CharSetJSP文件中JAVA文件中CLASS文件中GB2312D6 D0 CE C4(GB2312)从\u4E2D\u6587(Unicode)到E4 B8 AD E6 96 87 (UTF)E4 B8 AD E6 96 87 (UTF)ISO-8859-1D6 D0 CE C4
) k" x$ W+ X- e( a7 D( B" Y(GB2312)从\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF)C3 96 C3 90 C3 8E C3 84 (UTF)无（默认＝file.encoding）同ISO-8859-1同ISO-8859-1同ISO-8859-1
　　下节先讨论Servlet从JAVA文件到CLASS文件的转化过程，然后再解释从CLASS文件如何输出到客户端。之所以这样安排，是因为JSP和Servlet在输出时处理方法是一样的。

韩冰

Servlet：从源文件到Class的过程
3 l" P2 N7 g4 U0 h; T2 c
% z( @4 a( H. S8 u1 D　　Servlet源文件是以“.java”结尾的文本文件。本节将讨论Servlet的编译过程并跟踪其中的中文变化。
8 \$ W. N2 {1 K, q, B& m& H
( w" ?+ z' A( f" `" s+ f! ?9 a* p　　用“javac”编译Servlet源文件。javac可以带“-encoding ＜Compile-charset＞”参数，意思是“用＜ Compile-charset ＞中指定的编码来解释Serlvet源文件”。

　　源文件在编译时，用＜Compile-charset＞来解释所有字符，包括中文字符和ASCII字符。然后把字符常量转变成Unicode字符，最后，把Unicode转变成UTF。
9 g' u) K" w' x1 f3 J9 z, p
　　在Servlet中，还有一个地方设置输出流的CharSet。通常在输出结果前，调用HttpServletResponse的setContentType方法来达到与在JSP中设置＜Jsp-charset＞一样的效果，称之为＜Servlet-charset＞。
& R  M  h1 t" [% T
5 n- ~: w* O; D8 H' D　　注意，文中一共提到了三个变量：＜Jsp-charset＞、＜Compile-charset＞和＜Servlet-charset＞。其中，JSP文件只与＜Jsp-charset＞有关，而＜Compile-charset＞和＜Servlet-charset＞只与Servlet有关。

# m% I- x- j. Q+ y9 \　　看下例：
$ I3 _# m( r, o% `) x3 x
import javax.servlet.*;

import javax.servlet.http.*;
3 V9 u2 G' ^- ?' t
: i2 K. p2 R. Z& Q3 Qclass testServlet extends HttpServlet
{
　public void doGet(HttpServletRequest req,HttpServletResponse resp)
9 @; X+ Y. L: c5 h　throws ServletException,java.io.IOException
3 ^6 E7 e- F) T. ?7 |; Y( F, p　{
　　resp.setContentType("text/html; charset=GB2312");
6 k: i) k, Q3 z. y% F5 L! ?　　java.io.PrintWriter out=resp.getWriter();
8 N1 }8 ~* \4 l0 E7 j　　out.println("＜html＞");
/ f' n' F  ^  O" p' A, s" z　　out.println("#中文#");
# N# X* ~# h& p& |0 T　　out.println("＜/html＞");
' c  `5 @0 c: n% T) J9 d　}
}
　　该文件也是用UltraEdit for Windows编写的，其中的“中文”两个字保存为“D6 D0 CE C4”（GB2312编码）。
$ i; I  l2 l& Y: Y7 n. o7 C: D
　　开始编译。下表是＜Compile-charset＞不同时，CLASS文件中“中文”两字的十六进制码。在编译过程中，＜Servlet-charset＞不起任何作用。＜Servlet-charset＞只对CLASS文件的输出产生影响，实际上是＜Servlet-charset＞和＜Compile-charset＞一起，达到与JSP文件中的＜Jsp-charset＞相同的效果，因为＜Jsp-charset＞对编译和CLASS文件的输出都会产生影响。

　　表3　“中文”从Servlet源文件到Class的转变过程
8 x" z9 ]% N/ t4 Q4 O% R
' `( G4 E! x4 y+ u, ?Compile-charsetServlet源文件中Class文件中等效的Unicode码GB2312D6 D0 CE C4
0 A& K5 \! K# t) ]# ^(GB2312)E4 B8 AD E6 96 87 (UTF)\u4E2D\u6587 (在Unicode中＝“中文”)ISO-8859-1D6 D0 CE C4
(GB2312)C3 96 C3 90 C3 8E C3 84 (UTF)\u00D6 \u00D0 \u00CE \u00C4 (在D6 D0 CE C4前面各加了一个00)无（默认）D6 D0 CE C4 (GB2312)同ISO-8859-1同ISO-8859-1
: z; J6 z- Y- r　　普通Java程序的编译过程与Servlet完全一样。

, n4 Q& ]3 |% Q$ v5 N- D　　CLASS文件中的中文表示法是不是昭然若揭了？OK，接下来看看CLASS又是怎样输出中文的呢？
, O1 }2 d/ g5 Q, W% m9 Y
2 X1 e6 u( y3 E4 y0 A　　Class：输出字符串

　　上文说过，字符串在内存中表现为Unicode编码。至于这种Unicode编码表示了什么，那要看它是从哪种字符集映射过来的，也就是说要看它的祖先。这好比在托运行李时，外观都是纸箱子，里面装了什么就要看寄邮件的人实际邮了什么东西。

　　看看上面的例子，如果给一串Unicode编码“00D6 00D0 00CE 00C4”，如果不作转换，直接用Unicode码表来对照它时，是四个字符（而且是特殊字符）；假如把它与“ISO8859-1”进行映射，则直接去掉前面的“00”即可得到“D6 D0 CE C4”，这是ASCII码表中的四个字符；而假如把它当作GB2312来进行映射，得到的结果很可能是一大堆乱码，因为在GB2312中有可能没有（也有可能有）字符与00D6等字符对应（如果对应不上，将得到0x3f，也就是问号，如果对应上了，由于00D6等字符太靠前，估计也是一些特殊符号，真正的汉字在Unicode中的编码从4E00开始）。

　　各位看到了，同样的Unicode字符，可以解释成不同的样子。当然，这其中有一种是我们期望的结果。以上例而论，“D6 D0 CE C4”应该是我们所想要的，当把“D6 D0 CE C4”输出到IE中时，用“简体中文”方式查看，就能看到清楚的“中文”两个字了。（当然了，如果你一定要用“西欧字符”来看，那也没办法，你将得不到任何有何时何地的东西）为什么呢？因为“00D6 00D0 00CE 00C4”本来就是由ISO8859-1转化过去的。
: l( j; ^5 D4 d" X
给出如下结论：

$ D7 c  O0 f  t! c0 s　　在Class输出字符串前，会将Unicode的字符串按照某一种内码重新生成字节流，然后把字节流输入，相当于进行了一步“String.getBytes(???)”操作。???代表某一种字符集。

4 W6 J9 H0 U" }2 y* G9 Z0 ?: `' v　　如果是Servlet，那么，这种内码就是在HttpServletResponse.setContentType()方法中指定的内码，也就是上文定义的＜Servlet-charset＞。
8 m2 Y. N& i3 c& z# u
5 r+ i& H' Y4 p/ G: ]　　如果是JSP，那么，这种内码就是在＜%@ page contentType=""%＞中指定的内码，也就是上文定义的＜Jsp-charset＞。
) d) E2 P( v: ?7 I' X
　　如果是Java程序，那么，这种内码就是file.encoding中指定的内码，默认为ISO8859-1。

: y6 v, t: X$ ~2 J3 {; W　　当输出对象是浏览器时

　　以流行的浏览器IE为例。IE支持多种内码。假如IE接收到了一个字节流“D6 D0 CE C4”，你可以尝试用各种内码去查看。你会发现用“简体中文”时能得到正确的结果。因为“D6 D0 CE C4”本来就是简体中文中“中文”两个字的编码。
" Y% Z/ f0 c* {+ h. T' W
　　OK，完整地看一遍。

　　JSP：源文件为GB2312格式的文本文件，且JSP源文件中有“中文”这两个汉字
- v5 b' u( ^8 g4 S2 o3 J; z% X* P0 H
　　如果指定了＜Jsp-charset＞为GB2312，转化过程如下表。
2 I. F% W. J3 I
0 T8 {7 m2 M9 E) m6 z4 _　　表4　Jsp-charset = GB2312时的变化过程
  K3 c$ p1 D" M9 ~) g8 e+ @2 p
. F- i( d7 ^8 p$ x序号步骤说明结果1编写JSP源文件，且存为GB2312格式D6 D0 CE C4
（D6D0=中 CEC4=文）2jspc把JSP源文件转化为临时JAVA文件，并把字符串按照GB2312映射到Unicode，并用UTF格式写入JAVA文件中E4 B8 AD E6 96 873把临时JAVA文件编译成CLASS文件E4 B8 AD E6 96 874运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码4E 2D 65 87（在Unicode中4E2D=中 6587=文）5根据Jsp-charset=GB2312把Unicode转化为字节流D6 D0 CE C46把字节流输出到IE中，并设置IE的编码为GB2312（作者按：这个信息隐藏在HTTP头中）D6 D0 CE C47IE用“简体中文”查看结果“中文”（正确显示）
/ v$ Y0 J# N1 U' f7 B" J5 j　　如果指定了＜Jsp-charset＞为ISO8859-1，转化过程如下表。

; e# q4 z- C6 m+ K4 t( d6 L　　表5　Jsp-charset = ISO8859-1时的变化过程

1 q+ ~0 o  v6 [: R, c) o序号步骤说明结果1编写JSP源文件，且存为GB2312格式D6 D0 CE C4
+ b# A. Y* G# V$ @6 @, F, }+ ~' X（D6D0=中 CEC4=文）2jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中C3 96 C3 90 C3 8E C3 843把临时JAVA文件编译成CLASS文件C3 96 C3 90 C3 8E C3 844运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C4
- x# s' ]  P. ?0 d3 m& c（啥都不是！！！）5根据Jsp-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C46把字节流输出到IE中，并设置IE的编码为ISO8859-1（作者按：这个信息隐藏在HTTP头中）D6 D0 CE C47IE用“西欧字符”查看结果乱码，其实是四个ASCII字符，但由于大于128，所以显示出来的怪模怪样8改变IE的页面编码为“简体中文”“中文”（正确显示）
　　奇怪了！为什么把＜Jsp-charset＞设成GB2312和ISO8859-1是一个样的，都能正确显示？因为表4表5中的第2步和第5步互逆，是相互“抵消”的。只不过当指定为ISO8859-1时，要增加第8步操作，殊为不便。
" ?' a1 P& f+ _3 T8 n2 J' h
9 {5 m' d  \5 W- b. K; \　　再看看不指定＜Jsp-charset＞ 时的情况。

　　表6　未指定Jsp-charset 时的变化过程

: |; G# `( M2 p; e3 H% B序号步骤说明结果1编写JSP源文件，且存为GB2312格式D6 D0 CE C4
（D6D0=中 CEC4=文）2jspc把JSP源文件转化为临时JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式写入JAVA文件中C3 96 C3 90 C3 8E C3 843把临时JAVA文件编译成CLASS文件C3 96 C3 90 C3 8E C3 844运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C45根据Jsp-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C46把字节流输出到IE中D6 D0 CE C47IE用发出请求时的页面的编码查看结果视情况而定。如果是简体中文，则能正确显示，否则，需执行表5中的第8步
　　Servlet：源文件为JAVA文件，格式是GB2312，源文件中含有“中文”这两个汉字
4 \/ h% s  J: V/ i* I# h
　　如果＜Compile-charset＞＝GB2312，＜Servlet-charset＞=GB2312

　　表7　Compile-charset=Servlet-charset=GB2312 时的变化过程

5 l% H% ?% D& q' Q  ^序号步骤说明结果1编写Servlet源文件，且存为GB2312格式D6 D0 CE C4
) U/ r9 M  v, B2 e（D6D0=中 CEC4=文）2用javac –encoding GB2312把JAVA源文件编译成CLASS文件E4 B8 AD E6 96 87　（UTF）3运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码4E 2D 65 87 (Unicode)4根据Servlet-charset=GB2312把Unicode转化为字节流D6 D0 CE C4 (GB2312)5把字节流输出到IE中并设置IE的编码属性为Servlet-charset=GB2312D6 D0 CE C4 (GB2312)6IE用“简体中文”查看结果“中文”（正确显示）
" r3 K$ c# t  G6 G6 ^& [8 c: \　　如果＜Compile-charset＞＝ISO8859-1，＜Servlet-charset＞=ISO8859-1
  G! ~  Q) Z0 i3 H$ z
* `. a# G( s! R2 @1 x: \$ T　　表8　Compile-charset=Servlet-charset=ISO8859-1时的变化过程
! k: U  B9 [6 r7 f9 O6 t  k6 c
序号步骤说明结果1编写Servlet源文件，且存为GB2312格式D6 D0 CE C4
（D6D0=中 CEC4=文）2用javac –encoding ISO8859-1把JAVA源文件编译成CLASS文件C3 96 C3 90 C3 8E C3 84　（UTF）3运行时，先从CLASS文件中用readUTF读出字符串，在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C44根据Servlet-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C45把字节流输出到IE中并设置IE的编码属性为Servlet-charset=ISO8859-1D6 D0 CE C4 (GB2312)6IE用“西欧字符”查看结果乱码（原因同表5）7改变IE的页面编码为“简体中文”“中文”（正确显示）
! j8 W& f+ E! J6 e　　如果不指定Compile-charset或Servlet-charset，其默认值均为ISO8859-1。

　　当Compile-charset=Servlet-charset时，第2步和第4步能互逆，“抵消”，显示结果均能正确。读者可试着写一下Compile-charset＜＞Servlet-charset时的情况，肯定是不正确的。

: M$ A1 e  e+ C/ ^4 ^0 f1 ~　　当输出对象是数据库时
- P0 o- q' ]7 V3 N: V) n8 X- _# l: u
　　输出到数据库时，原理与输出到浏览器也是一样的。本节只是Servlet为例，JSP的情况请读者自行推导。

　　假设有一个Servlet，它能接收来自客户端（IE，简体中文）的汉字字符串，然后把它写入到内码为ISO8859-1的数据库中，然后再从数据库中取出这个字符串，显示到客户端。
! \  P$ R3 p/ ]" Q' a& ]
　　表9　输出对象是数据库时的变化过程（1）

  z/ J% T% r1 B2 ~序号步骤说明结果域1在IE中输入“中文”D6 D0 CE C4IE2IE把字符串转变成UTF，并送入传输流中E4 B8 AD E6 96 873Servlet接收到输入流，用readUTF读取4E 2D 65 87(unicode)Servlet4编程者在Servlet中必须把字符串根据GB2312还原为字节流D6 D0 CE C45编程者根据数据库内码ISO8859-1生成新的字符串00 D6 00 D0 00 CE 00 C46把新生成的字符串提交给JDBC00 D6 00 D0 00 CE 00 C47JDBC检测到数据库内码为ISO8859-100 D6 00 D0 00 CE 00 C4JDBC8JDBC把接收到的字符串按照ISO8859-1生成字节流D6 D0 CE C49JDBC把字节流写入数据库中D6 D0 CE C410完成数据存储工作D6 D0 CE C4 数据库以下是从数据库中取出数的过程11JDBC从数据库中取出字节流D6 D0 CE C4JDBC12JDBC按照数据库的字符集ISO8859-1生成字符串，并提交给Servlet00 D6 00 D0 00 CE 00 C4 (Unicode) 13Servlet获得字符串00 D6 00 D0 00 CE 00 C4 (Unicode)Servlet14编程者必须根据数据库的内码ISO8859-1还原成原始字节流D6 D0 CE C4 15编程者必须根据客户端字符集GB2312生成新的字符串4E 2D 65 87
7 {4 j. E" L8 W（Unicode） Servlet准备把字符串输出到客户端16Servlet根据＜Servlet-charset＞生成字节流D6D0 CE C4Servlet17Servlet把字节流输出到IE中，如果已指定＜Servlet-charset＞，还会设置IE的编码为＜Servlet-charset＞D6 D0 CE C418IE根据指定的编码或默认编码查看结果“中文”（正确显示）IE
: B; ?; Z9 b+ u) }1 w' _2 n　　解释一下，表中第4第5步和第15第16步是用红色标记的，表示要由编码者来作转换。第4、5两步其实就是一句话：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16两步也是一句话：“new String(source.getBytes("ISO8859-1"), "GB2312")”。亲爱的读者，你在这样编写代码时是否意识到了其中的每一个细节呢？

　　至于客户端内码和数据库内码为其它值时的流程，和输出对象是系统控制台时的流程，请读者自己想吧。明白了上述流程的原理，相信你可以轻松地写出来。

　　行文至此，已可告一段落了。终点又回到了起点，对于编程者而言，几乎是什么影响都没有。
2 ]- F* v0 L# O) H
　　因为我们早就被告之要这么做了。

" E( ]9 V5 j; k. ~　　以下给出一个结论，作为结尾。
# ]  Z0 U  s4 }9 G* f/ s
  X' y8 k; ~5 h) c6 e7 C4 v　　1、 在Jsp文件中，要指定contentType，其中，charset的值要与客户端浏览器所用的字符集一样；对于其中的字符串常量，不需做任何内码转换；对于字符串变量，要求能根据ContentType中指定的字符集还原成客户端能识别的字节流，简单地说，就是“字符串变量是基于＜Jsp-charset＞字符集的”；
7 r) @- W9 r' W  U( N! F5 X$ W
　　2、 在Servlet中，必须用HttpServletResponse.setContentType()设置charset，且设置成与客户端内码一致；对于其中的字符串常量，需要在Javac编译时指定encoding，这个encoding必须与编写源文件的平台的字符集一样，一般说来都是GB2312或GBK；对于字符串变量，与JSP一样，必须“是基于＜Servlet-charset＞字符集的”。