JSP中charset和pageEncoding

關于JSP頁面中的pageEncoding和contentType兩種屬性的差別：

pageEncoding是jsp檔案本身的編碼

contentType的charset是指伺服器 發送給用戶端時的内容編碼

三個階段，兩次編碼

JSP要經過三個階段和兩次的“編碼”，第一階段會用pageEncoding到utf-8，第二階段會用utf-8至utf-8，第三階段就是由Tomcat出來的網頁， 用的是從utf-8到contentType。

第一階段 是jsp編譯成.java。它會根據pageEncoding的設定讀取jsp，結果是由指定的編碼方案翻譯成統一的UTF-8 JAVA源碼（即.java），如果pageEncoding設定錯了，或沒有設定，出來的就可能是中文亂碼。

第二階段 是由JAVAC的JAVA源碼至java byteCode（即java位元組碼）的編譯。不論JSP編寫時候用的是什麼編碼方案，經過這個階段的結果全部是UTF-8的encoding的java位元組碼。

JAVAC用UTF-8的encoding讀取java源碼，編譯成UTF-8 encoding的二進制碼（即.class），這是JVM對常數字串在二進制碼（java encoding）内表達的規範。

第三階段是Tomcat（或其的application container）載入和執行階段二的來的JAVA二進制碼，輸出的結果，也就是在用戶端見到的，這時隐藏在階段一和階段二的參數contentType就發揮了功效。

contentType的設定.

pageEncoding 和contentType的預設都是 ISO8859-1. 而随便設定了其中一個, 另一個就跟着一樣了(TOMCAT4.1.27是如此). 但這不是絕對的, 這要看各自JSPC的處理方式. 而pageEncoding不等于contentType, 更有利亞洲區的文字 CJKV系JSP網頁的開發和展示, (例pageEncoding=GB2312 不等于 contentType=utf-8)。

jsp 檔案不像.java，.java在被編譯器讀入的時候預設采用的是作業系統所設定的locale所對應的編碼，比如中國大陸就是GBK，台灣就是BIG5 或者MS950。而一般我們不管是在記事本還是在ue中寫代碼，如果沒有經過特别轉碼的話，寫出來的都是本地編碼格式的内容。是以編譯器采用的方法剛好可以讓虛拟機得到正确的資料。

但是jsp檔案不是這樣，它沒有這個預設轉碼過程，但是指定了pageEncoding就可以實作正确轉碼了。

舉個例子:

<%@ page contentType="text/html;charset=utf-8" %>

大都會列印出亂碼，因為我輸入的“你好嗎”是gbk的，但是伺服器 是否正确抓到“你好嗎”不得而知。

但是如果更改為

<%@ page contentType="text/html;charset=utf-8" pageEncoding="GBK"%>

　　這樣就伺服器一定會是正确抓到“你好”了。

在Myeclipse裡面設定jsp的編碼方式：window --> Preferences --> MyEclipse --> Files and Editors --> JSP中選擇你要設定的Encoding就可以了，一般現在都統一用UTF-8編碼了。

JSP 中 pageEncoding charset 的差別

首先，說說JSP/Servlet中的幾個編碼的作用。 

     在JSP/Servlet中主要有以下幾個地方可以設定編 碼，pageEncoding="UTF-8"、contentType="text/html;charset=UTF-8"、request.setCharacterEncoding("UTF-8")和 response.setCharacterEncoding("UTF-8")，其中前兩個隻能用于JSP中，而後兩個可以用于JSP和Servlet 中。 

1、pageEncoding="UTF-8"的作用是設定JSP編譯成Servlet時使用的編碼。 

     衆所周知，JSP在服務 器上是要先被編譯成Servlet的。pageEncoding="UTF-8"的作用就是告訴JSP編譯器在将JSP檔案編譯成Servlet時使用的 編碼。通常，在JSP内部定義的字元串（直接在JSP中定義，而不是從浏覽器送出的資料）出現亂碼時，很多都是由于該參數設定錯誤引起的。例如，你的 JSP檔案是以GBK為編碼儲存的，而在JSP中卻指定pageEncoding="UTF-8"，就會引起JSP内部定義的字元串為亂碼。 

     另外，該參數還有一個功能，就是在JSP中不指定contentType參數，也不使用response.setCharacterEncoding方法時，指定對伺服器響應進行重新編碼的編碼。

2、contentType="text/html;charset=UTF-8"的作用是指定對伺服器響應進行重新編碼的編碼。 

    在不使用response.setCharacterEncoding方法時，用該參數指定對伺服器響應進行重新編碼的編碼。

3、request.setCharacterEncoding("UTF-8")的作用是設定對用戶端請求進行重新編碼的編碼。

      該方法用來指定對浏覽器發送來的資料進行重新編碼（或者稱為解碼）時，使用的編碼。

4、response.setCharacterEncoding("UTF-8")的作用是指定對伺服器響應進行重新編碼的編碼。 

     伺服器在将資料發送到浏覽器前，對資料進行重新編碼時，使用的就是該編碼。

    其次，要說一說浏覽器是怎麼樣對接收和發送的資料進行編碼的 

    response.setCharacterEncoding("UTF- 8")的作用是指定對伺服器響應進行重新編碼的編碼。同時，浏覽器也是根據這個參數來對其接收到的資料進行重新編碼（或者稱為解碼）。是以在無論你在 JSP中設定response.setCharacterEncoding("UTF-8")或者 response.setCharacterEncoding("GBK")，浏覽器均能正确顯示中文（前提是你發送到浏覽器的資料編碼是正确的，比如正 确設定了pageEncoding參數等）。讀者可以做個實驗，在JSP中設定response.setCharacterEncoding("UTF- 8")，在IE中顯示該頁面時，在IE的菜單中選擇"檢視(V)"à"編碼(D)"中可以檢視到是" Unicode（UTF-8）"，而在在JSP中設定response.setCharacterEncoding("GBK")，在IE中顯示該頁面 時，在IE的菜單中選擇"檢視(V)"à"編碼(D)"中可以檢視到是"簡體中文（GB2312）"。 

     浏覽器在發送資料時，對URL和參數會 進行URL編碼，對參數中的中文，浏覽器也是使response.setCharacterEncoding參數來進行URL編碼的。以百度和 GOOGLE為例，如果你在百度中搜尋"漢字"，百度會将其編碼為"%BA%BA%D7%D6"。而在GOOGLE中搜尋"漢字"，GOOGLE會将其編 碼為"%E6%B1%89%E5%AD%97"，這是因為百度的response.setCharacterEncoding參數為GBK，而 GOOGLE的的response.setCharacterEncoding參數為UTF-8。 

      浏覽器在接收伺服器資料和發送資料到伺服器 時所使用的編碼是相同的，預設情況下均為JSP頁面的response.setCharacterEncoding參數（或者contentType和 pageEncoding參數），我們稱其為浏覽器編碼。當然，在IE中可以修改浏覽器編碼（在IE的菜單中選擇"檢視(V)"à"編碼(D)"中修 改），但通常情況下，修改該參數會使原本正确的頁面中出現亂碼。一個有趣的例子是，在IE中浏覽GOOGLE的首頁時，将浏覽器編碼修改為"簡體中文 （GB2312）"，此時，頁面上的中文會變成亂碼，不理它，在文本框中輸入"漢字"，送出，GOOGLE會将其編碼為"%BA%BA%D7%D6"，可 見，浏覽器在對中文進行URL編碼時，使用的就是浏覽器編碼。 

     弄清了浏覽器是在接收和發送資料時，是如何對資料進行編碼的了，我們再來看看伺服器是在接收和發送資料時，是如何對資料進行編碼的。 

     對于發送資料，伺服器按照response.setCharacterEncoding—contentType—pageEncoding的優先順序，對要發送的資料進行編碼。 

     對于接收資料，要分三種情況。一種是浏覽器直接用URL送出的資料，另外兩種是用表單的GET和POST方式送出的資料。 

   因為各種WEB伺服器對這三種方式的處理也不相同，是以我們以Tomcat5.0為例。 

     無論使用那種方式送出，如果參數中包含中文，浏覽器都會使用目前浏覽器編碼對其進行URL編碼。 

     對于表單中POST方式送出的資料，隻要在接收資料的JSP中正确request.setCharacterEncoding參數，即将對用戶端請求進行重 新編碼的編碼設定成浏覽器編碼，就可以保證得到的參數編碼正确。有寫讀者可能會問，那如何得到浏覽器編碼呢？上面我們提過了，在預設請情況下，浏覽器編碼 就是你在響應該請求的JSP頁面中response.setCharacterEncoding設定的值。是以對于POST表單送出的資料，在獲得資料的 JSP頁面中request.setCharacterEncoding要和生成送出該表單的JSP頁面的 response.setCharacterEncoding設定成相同的值。 

     對于URL送出的資料和表單中GET方式送出的資料，在接收數 據的JSP中設定request.setCharacterEncoding參數是不行的，因為在Tomcat5.0中，預設情況下使用ISO- 8859-1對URL送出的資料和表單中GET方式送出的資料進行重新編碼（解碼），而不使用該參數對URL送出的資料和表單中GET方式送出的資料進行 重新編碼（解碼）。要解決該問題，應該在Tomcat的配置檔案的Connector标簽中設定useBodyEncodingForURI或者 URIEncoding屬性，其中useBodyEncodingForURI參數表示是否用request.setCharacterEncoding 參數對URL送出的資料和表單中GET方式送出的資料進行重新編碼，在預設情況下，該參數為false（Tomcat4.0中該參數預設為 true）；URIEncoding參數指定對所有GET方式請求（包括URL送出的資料和表單中GET方式送出的資料）進行統一的重新編碼（解碼）的編 碼。URIEncoding和useBodyEncodingForURI差別是，URIEncoding是對所有GET方式的請求的資料進行統一的重新 編碼（解碼），而useBodyEncodingForURI則是根據響應該請求的頁面的request.setCharacterEncoding參數 對資料進行的重新編碼（解碼），不同的頁面可以有不同的重新編碼（解碼）的編碼。是以對于URL送出的資料和表單中GET方式送出的資料，可以修改 URIEncoding參數為浏覽器編碼或者修改useBodyEncodingForURI為true，并且在獲得資料的JSP頁面中 request.setCharacterEncoding參數設定成浏覽器編碼。

下面總結下，以Tomcat5.0為WEB伺服器時，如何防止中文亂碼。 

1、對于同一個應用，最好統一編碼，推薦為UTF-8，當然GBK也可以。 

2、正确設定JSP的pageEncoding參數 

3、在所有的JSP/Servlet中設定contentType="text/html;charset=UTF-8"或response.setCharacterEncoding("UTF-8")，進而間接實作對浏覽器編碼的設定。 

4、 對于請求，可以使用過濾器或者在每個JSP/Servlet中設定request.setCharacterEncoding("UTF-8")。同時， 要修改Tomcat的預設配置，推薦将useBodyEncodingForURI參數設定為true，也可以将URIEncoding參數設定為 UTF-8（有可能影響其他應用，是以不推薦）。