基于java web中文乱码问题的研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于java web中文乱码问题的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘要】在Java web编程中，经常会碰到汉字的处理及显示问题，以不小心就会产生一大堆乱码或者问号。造成这种问题的根本原因是Java中默认的编码方式是Unicode，而中国人通常使用的文件和DB都是基于GB2312或BIG5等编码，故会出现此问题。本文首先详细分析这些中文乱码问题产生的原因，最后在此基础上提出详细合理的解决方案。
1.引言
为了能在计算机中表示不同语言中字符，每个国家（或区域）都规定了计算机信息交换用的字符编码集，如美国的ASCII，中国GB2312和GBK，日本的JIS等。Java语言内部用Unicode来表示字符，Unicode被称为统一的字符编码标准集，它为几乎每种语言中的字符设定了唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。这也使得Java具有良好的可移植性，符合其国际化的思想。
然而在实际应用中，由于应用程序的运行环境不同，和各个本地字符集的补充、完善，以及系统或应用程序实现的不规范，转码时出现的中文乱码问题时时困扰着程序员和用户。
2.中文乱码产生的原因
J2EE应用程序是运行在J2EE容器中。在这个系统中，输入途径有很多种：一种是通过页面表单打包成请求（request）发往服务器的;第二种是通过数据库读入;还有第3种输入比较复杂，JSP在第一次运行时总是被编译成Servlet，JSP中常常包含中文字符，那么编译使用javac时，Java将根据默认的操作系统编码作为初始编码。除非特别指定，如在Jbuilder/eclipse中可以指定默认的字符集。 输出途径也有几种：第一种是JSP页面的输出。由于JSP页面已经被编译成Servlet，那么在输出时，也将根据操作系统的默认编码来选择输出编码，除非指定输出编码方式;还有输出途径是数据库，将字符串输出到数据库。
由此看来，一个J2EE系统的输入输出是非常复杂，而且是动态变化的，而Java是跨平台运行的，在实际编译和运行中，都可能涉及到不同的操作系统，如果任由Java自由根据操作系统来决定输入输出的编码字符集，这将不可控制地出现乱码。
在Web应用中，通常都包括了浏览器、Web服务器、Web应用程序和数据库等部分。若不指定编码格式，浏览器会根据本地系统默认的字符集（如：GB2312）提交数据，而Web容器默认采用的是ISO-8859-1的编码方式解析Post数据，另外JDBC驱动程序多数也采用ISO-8859-1的编码方式，因此，在Web应用程序运行过程中，输入的中文字符往往需要在不同的字符集之间来回转换，这就导致了中文乱码问题的频繁出现。
3.中文乱码问题分类和解决方案
3.1 中文展现的乱码问题
每一个文件（java，js，jsp，html等）都有其本身的编码格式，文件中的代码在一种编码中显示正常，在另外一种编码下就会显示出乱码。在Eclipse中，每一个工程都会有编码格式（Text file encoding）， 一般默认为GBK。而一个比较好的编程习惯是新建一个项目，优先把项目的编码设为UTF-8即<%@ page language=”java” pageEncoding=”UTF-8”>。这样做的原因很简单，UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。几种常见的字符集，GBK，GB2312，UTF-8之间的关系如下：GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换。
3.2 中文写入数据库乱码问题
Java采用Unicode码编码方式，中英文字符均采用16bit存储。既然存储英文信息是正确的，根据一定规则，将中文信息转换成英文信息后存储，自然不会出现乱码现象。读取信息时再进行逆向操作，将英文信息还原成中文信息即可。由GB2312编码规则可知，汉字一般为二个高位为1的ASCII码，在转换时将一个汉字的二个高位1去掉，还原时再将二个高位1加上。为了处理含有英文字符的中文字串，对英文字符则需要加上一个Byte 0标记。以下提供的一个公用静态方法，可加入任何一个类中使用。将中英文字串转换成纯英文字串
public static String toTureAsciiStr （String str）{
StringBuffer= new String Buffer（）;
byte[] bt = str.getBytes（）;
for（int i =0 ;i〈bt.length;i++）{
if（bt[i]〈0）{
//是汉字去高位1
sb.append（（char）（bt[i]&&0x7f））;
}else{//是英文字符 补0作记录
sb.append（（char）0）;
sb.append（（char）bt[i]）;
}
}
return sb.toString（）;}
3.3 参数传递的乱码问题
（1）Get方法的情况
Get方法的时候主要是URL传递中文。
如果是在js文件中，可以使用如下代码进行中文转码。
Js代码
var url =”http：///s？industry=编码”
url = encodeURI（url）;
如果是在jsp文件中，则可以使用如下语句进行转码。
页面开始引入：
Java代码
<%@ page import=”.URLEncoder” %>
需要转码的地方使用URLEncoder进行编码：
Js代码
<a href=”xxxxx.xx？industry=<%= URLEncoder.encode（“http：///s？wd=编码”， “UTF-8”）%>”>
无论使用哪种方法，在后台获取中文的时候都要使用如下代码：
Java代码
request.setCharacterEncoding（“utf-8”）;
String industry = new String（
request.getParameter（“industry “）. getBytes（“ISO8859-1”），”UTF-8”）;
（2）POST方法的情况
对于Post的情况，只需要在post的函数调用部分，制定post的header的字符集，如：
Js代码
xmlHttp.open（“post”， url ， true）;
xmlHttp.setRequestHeader（“Content-Type”，”text/xml; charset= utf-8”）;
xmlHttp.send（param）;
其中param为要传递的参数。
后台部分和get方法一样，设置如下即可，注意传输和接受的字符集要统一。
3.4 下载文件时乱码
下过下载的人都知道下载的文件容易出现乱码，原因也是没有对输出流的编码格式进行限定。
附上一段代码，用来完成无乱码下载。
HttpServletResponse response = ServletActionContext.getResponse（）;
response.setContentType（"text/html;charset=utf-8”）;
response.reset（）;
String header = “attachment;
filename=” + picName;
header = new String（header.getBytes（）， “UTF-8”）;
response.setHeader（“Content-disposition”， header）;
核心代码就上几句，注意第二句和第三句的reset的顺序不能搞错。reset的作用是用来清空buffer缓存的，清空请求前部的一些空白行。
4.总结
在处理java的编码问题时，要分清楚三个概念：Java采用的编码：unicode，JVM平台默认字符集和外部资源的编码。 虽然问题产生的原因多种多样，然而只要我们理解了字符编码的转换过程，仔细分析乱码产生的原因，找到问题的关键，就能对症下药，解决问题。不过，随着中文字符集的变化，不仅仅是Java编程，中文信息处理中的问题还是会存在一段时间的。在项目中尽量把编码统一为UTF-8。
参考文献
[1]贾蓓，镇明敏，杜磊.Java Web整合开发实战[M].北京：清华大学出版社，2013：158-161.
[2]孙鑫.Java Web开发详解[M].北京：电子工业出版社，2012：616-617.
[3]耿祥义，张跃平.JSP实用教程[M].北京：清华大学出版社，2009：36-37.
[4]李刚.轻量级JavaEE企业应用实战[M].北京：电子工业出版社，2012：500-510.