JSP页面编译成Servlet类文件过程中所涉及到的编码问题

junJZ_2008

浏览: 1323908 次
性别:
来自: 湖南澧縣

最近访客更多访客>>

fushangan

xiaoyuer9953

qq234766237

coollyj

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

博客分类：

字符集编码

JSP Servlet 浏览器应用服务器 Tomcat

当请求一个JSP页面时，一般的都需要经历下面几个阶段：

1、应用服务器根据JSP页面生成一个Java文件

2、应用服务器调用java.exe将Java文件编译成一个Servlet对应的class文件

3、用户的浏览器请求JSP对应的Servlet，Web容器起一个线程执行Servlet，将数据返回给客户端浏览器

4、用户的IE根据返回的数据，将结果显示给用户。

第一步中应用服务器根据Jsp页面生成一个Java文件时，需要读取源Jsp页面到内存中，然后以某种编码方式生成Servlet类文件，这一读的过程会涉及到采用什么编码方式来读取的问题？这里先看一下结论：如页面中设置了pageEncoding="XX"，则服务器在读取Jsp页面时，就会使用上面设置的XX来读取，如果没有设置，再看是否设置了contentType="text/html; charset=XXX" ，如果设置了，则用charset中指定的编码方式来读取。如果这两个都没有指定时，则使用默认的编码方式ISO8859-1来读取。

以上是读取的过程，当把Jsp页面读取到内存后，在内存中以Unicode编码存在，这时需要根据Jsp文件生成Servlet类文件，既然要定文件，这里又会涉及到编码问题，这里该使用什么编码方式来输出到文件呢？先看结论：Tomcact是使用UTF-8编码方式来输出的 ，这也是理所当然的，因为页面上会有不同的各种语言。

下面来证实上面的两个结论。

首先我们写一个Jsp页面gbk.jsp，从文件名就可知我们创建一个以GBK编码方式保存的Jsp文件。

下面是我创建并设置好编码方式的过程：

<%@ page language="java" %>
<html>
	<body>
		<form name=form1 action="" method="get">
			<input type="text" name="textParam1" size="50 px" value="國a">
			<br>
			<input type="file" name="fileParam" size="50 px" value="">
			<br>
			<input type="button" value="submit" onclick="submitForm()">
		</form>
		<script type="text/javascript"> 
			function submitForm(){ 
				//注释
				var str ="國a"; 
				form1.action = "http://localhost:8088/gb2312rs.jsp?qryParam1=" +
				 encodeURIComponent(str) + "&qryParam2="+  encodeURIComponent(form1.textParam1.value) ;
				form1.submit(); 
			} 
		</script>
	</body>
</html>

保存后，我们开始访问一下，浏览器显示如下：

从上图看出浏览器使用的是ISO编码方式，所以上面文本框里显示正常才怪呢~!但当我们把浏览器的编码方式换成GBK时，看是什么样，~！~#@！￥，晕~！找了半天浏览器上面根本就没有GBK这一编码方式，中文的就只有GB2312，我们就选一下GB2312试试看，如下图：

咦~！我们选择是GB2312怎么也可显示出繁体字啊？其实浏览器中的GB2312就是用的操作系统默认的编码GBK来显示的，至于解释请看《Java中的字符集编码入门（三）GB2312，GBK与中文网页》。好奇心没有后继续往下看。

我们打开服务器帮我们生成的Servlet类文件，其中输出中文的地方代码片断如下：

我们发现中文“注释”与“國”字，都变成了乱码。既我们知道了上面结论：该文件是UTF-8编码格式的，那我就以UTF-8来读读这个文件，读代码如下：

String fileName = "E:/tomcat-5.5.23/work/Catalina/localhost/HttpStream/org/apache/jsp/gbk_jsp.java";
PrintWriter pw = new PrintWriter(new OutputStreamWriter(new FileOutputStream("e:/tmp/gbk_jsp.java"), "UTF-8"));
BufferedReader br = new BufferedReader(new InputStreamReader(
		new FileInputStream(fileName), "utf-8"));
String readContent = null;
while ((readContent = br.readLine()) != null) {
	pw.write(readContent+"\r\n");
	pw.flush();				
}
pw.close();

读出的文件片断如下：

从上面输出的结果可以进一步证明生成的Sevlet就是UTF-8编码方式的存储的，因为这两个文件内容乱码显示的样子都是一样的。

从最开始来看在浏览器中能正常显示，那说明生成的Servlet类文件真实的内容没有毁坏，不然不可能在浏览器中能正常显示的，我们要坚信这一点。那既然文件内容没有毁坏，为什么生成的Servlet类文件却显示的是乱码呢？

经过我的一些分析，原因大致如下：

服务器在读取Jsp源文件时是采用的ISO8859-1来读取的（这是因为页没有配置任何编码信息），而Jsp源文件本身却又是GBK编码的，这一读的过程为字符解码过程，且又是以ISO8859-1来解的（会把GBK编码每个字节映射到ISO8859-1字符集下，而每个字节的大小为0-255，在ISO8859-1字符集里是可以找到对应的字符来替代的），这一转换过程并不会丢失任何编码信息，只是字符的显示方式不同而已了（GBK是一个个汉字的显示，而ISO却是半个半个地显示）。

而在读取完后放在内存里以Unicode形式存在（即ISO字符以Unicode编码存储，而非原来ISO编码，这一过程由Java完成，但ISO的编码实质上与Unicode编码是一样的，只是所占字节数不一样），再以UTF-8输出时，由于这些Unicode字符在UTF-8字符集编码里是存在的，并为上面显示的那些字符（实质上这些字符就是ISO字符集中的字符），也不会造成编码信息丢失。

既然我们知道了是这样一过程：GBK文件——》以ISO8859-1来读（解码）——》以UTF-8输出（编码），那我现在还她一个眉目清秀，先以UTF-8来读生成的Servlet文件（解码），然后以ISO8859-1来编码（这样就回到了服务器以ISO8859-1读取的内容了），最后以GBK来解码（就回到了最原始的Jsp文件了），最后...当然是现原型了（狐狸精一个啊，不过还是挺美的哦），一切显示正常，回到了过去。

以下是代码实现：

String fileName = "E:/tomcat-5.5.23/work/Catalina/localhost/HttpStream/org/apache/jsp/gbk_jsp.java";
PrintWriter pw = new PrintWriter(new OutputStreamWriter(new FileOutputStream(
		"e:/tmp/gbk_jsp.java"), "UTF-8"));
BufferedReader br = new BufferedReader(new InputStreamReader(
		new FileInputStream(fileName), "utf-8"));
String readContent = null;
while ((readContent = br.readLine()) != null) {
	pw.write(new String(readContent.getBytes("iso8859-1"), "gbk") + "\r\n");
	pw.flush();
}
pw.close();

结果如何，看看下面小小的截图便知：