JSP页面请求响应过程中的编码解码

该片简要讲述：JSP页面传输过程中，浏览器与服务器的编码解码以及HTTP协议对URL进行的编码解码。

问题如下：

//所有的JSP页面的编码都是UTF-8的格式
//test1.jsp
<%@ page language="java" import="java.util.*,java.net.*" pageEncoding="UTF-8"%>
  <a href="test2.jsp?str=<%=URLEncoder.encode("中国人","gb2312") %>">链接</a>
//test2.jsp
<%@ page language="java" import="java.util.*,java.net.*" pageEncoding="UTF-8"%>
 <%
      String name=  URLDecoder.decode(request.getParameter("str"),"gb2312");
      name =new String(name1.getBytes("ISO-8859-1"),"gb2312");
%>
 <%=name %>

首先简要描述点击链接到页面显示过程：

点击链接 – 浏览器编码(HTTP URL 编码) – 服务器解码 – 构建返回数据体–服务器编码 – 浏览器解码。

POST请求不再多说，乱码主要发生在GET请求且URL后面追加了中文参数。

上述例子，过程应该是这样：

① 首先在页面中进行了URL编码

结果如下：

<a href="test2.jsp?str=%D6%D0%B9%FA%C8%CB">链接</a>
//这里手动进行URL编码，等效于浏览器对中文进行编码。
//因为参数在url上面，是GET请求，故而URL编码解码是浏览器和服务器的关系，与我们无关。
//如果不做设置，默认编码方式为是ISO-8859-1。

② 浏览器编码

点击查看浏览器端的编码。

• 因为GET请求，只有URL（参数附加于URL），故只对URL进行编码。
  
• 因为非直接在浏览器输入地址进行请求，而是点击文档内链接。故编码依据文档编码 —UTF-8
  
• 因为JSP页面手动指定了编码格式，且进行了URL编码。
  

③ HTTP传输

数据在网络中以报文的形式，二进制流的格式进行传输。服务器拿到的path之后需进行解析。这个过程默认编码方案为ISO-8859-1。

至此，是这样子的：ISO-8859-1(UTF-8(链接))。

④ 服务器解码

web服务器接收到客户端的请求后，会将其内容转给web容器来处理；

因为接到的请求path（url）是编码过的二进制流，所以在处理前会将其转换成ASCII码 。但是请求中可能还有部分参数和消息体的数据是经过编码的（例如中文字符被编码），这里就涉及到对请求内容和参数进行解码的问题。

Tomcat 默认对url 使用 ISO-8859-1解码。注意：ISO-8859-1 为单字节表示。

所以，无论你前面浏览器进行了什么编码，尘归尘，土归土，一切都还原到字节（不过这里的字节是由特定字符集转换而来的，即 第一个页面的GB2312）！！！

在这里，剥去了外面的ISO-8859-1，剩下UTF-8

⑤ 过程描述

原URL---->GET时浏览器根据HTTP头的Content-Type的charset,POST根据(content="text/html; charset=utf-8")对URL进行编码或者利用JavaScript(如果JavaScript编码了则浏览器一看都是ASCII字符就不再编码)使用GBK或者UTF-8等编码对URL进行编码
---->ASCII字符 + %
---->以iso-8859-1编码方式转换为二进制
---->随请求头一起发送出去(GET没有请求实体, POST有)
---->服务器接收到经过iso-8859-1编码后的URL
---->服务器用iso-8859-1编码进行解码
---->得到值(这里得到URL中文参数的字节信息)

⑥ Tomcat 返回响应

构建数据体，设置响应类型和编码（UTF-8）。。。

ContentType : text/html;charset=UTF-8

该过程中会拿到请求传过来的参数：

方法一：

 String name=  URLDecoder.decode(request.getParameter("str"),"gb2312");
 //此时name仍旧为乱码
 name=new String(name2.getBytes("ISO-8859-1"));
 //默认使用系统编码，可使用System.getProperty("file.encode");进行查看

Charset.defaultCharset()方法如下所示：

   public static Charset defaultCharset() {
        if (defaultCharset == null) {
            synchronized (Charset.class) {
                String csn = AccessController.doPrivileged(
                    new GetPropertyAction("file.encoding"));
                Charset cs = lookup(csn);
                if (cs != null)
                    defaultCharset = cs;
                else
                    defaultCharset = forName("UTF-8");
            }
        }
        return defaultCharset;
    }

使用request.getParameter()获取的数据是被服务器误认为ISO-8859-1编码的，也就是说客户端发送过来的数据无论是UTF-8还是GBK，服务器都认为是ISO-8859-1，这就说明我们需要在使用request.getParameter()获取数据后，再转发成正确的编码。

如下所示，则正确解码：

 String name=URLDecoder.decode("%D6%D0%B9%FA%C8%CB", "gb2312");
 // name 中国人

注意，%D6%D0%B9%FA%C8%C直接使用gb2312解码可得到正确结果。但是如果使用request.getParameter获取str则会得到乱码ÖйúÈË。

那么，为什么不直接使用ISO-8859-1获取字节，然后再使用GBK或者gb2312解码呢？URLDecoder.decode(request.getParameter("str"),"gb2312");完全就是多余了。

ISO-8859-1向下兼容ASCII，并且HTTP通信过程中默认使用的就是ISO-8859-1编码。

方法二：

String name=new String(request.getParameter("str").getBytes("ISO-8859-1"),"GBK");
//GBK GB2312 
//String name2 = new String(request.getParameter("str").getBytes("ISO-8859-1"),"UTF-8")
//name2 ���

其中方法一首先进行了URL解码，其次直接使用new String([]bytes,charset)进行构建字符串。

方法二则直接使用new String([]bytes,charset)进行构建字符串。

服务器拿到的是字节流，因为 Tomcat 默认对URL使用ISO-8859-1进行解码，所以可以直接直接使用new String([]bytes,charset)进行构建字符串！需要注意的是这里的charset需要与页面进行URL编码时候的编码集一致。

方法三，使用request.getQueryString();获取Query String。

既然参数在URL后面，那么就在Query Data里面可以使用request.getQueryString();方法获取，如下所示：

String queryData = request.getQueryString();
//queryData： str=%D6%D0%B9%FA%C8%CB
//截取str 值，再使用URLDecoder.decode()即可。

⑦ 浏览器解析响应

浏览器拿到响应信息，开始进行解析。

首先会获取解码类型：UTF-8

点击查看浏览器解析过程。浏览器解析HTML文档

【Tips】：

这里说明一下何为URL编码解码：

编码：

URLEncoder.encode("中国人","gbk")
**即：`%D6%D0%B9%FA%C8%CB`**

将字符串以特定的编码格式转化成application/x-www-form-urlencoded 格式

根据2005年发布的RFC3986“%编码”规范：

• 对URL中属于ASCII字符集的非保留字不做编码；
• 对URL中的保留字需要取其ASCII内码，然后加上“%”前缀将该字符进行替换（编码）；
• 对于URL中的非ASCII字符需要取其Unicode内码，然后加上“%”前缀将该字符进行替换（编码）。

由于这种编码是采用“%”加上字符内码的方式，所以，有些地方也称其为“百分号编码”。

JAVA源码翻译：

解码则反之 。

点击查看Http协议中的编码解码

题外话 ：

如果 第一个页面不进行URL编码呢？

<a href="test2.jsp?str=中国人 ">链接</a>-->

测试的谷歌浏览器：

如上图所示，浏览器会自动根据页面编码（UTF-8）进行URL编码。

可直接使用上述方法二进行获取。

String name=new String(request.getParameter("str").getBytes("ISO-8859-1"),"UTF-8");
//注意页面编码为UTF-8

需要注意JSP页面中的Java代码<%=name %>，其实对应编译后的 out.print(name);故而不需要再加;。另外out变量声明的对象为JspWriter,其类继承示意图如下：

⑧ 关于application/x-www-form-urlencoded等字符编码的解释说明

在Form元素的语法中，EncType表明提交数据的格式 用 Enctype 属性指定将数据回发到服务器时浏览器使用的编码类型。下边是说明：

application/x-www-form-urlencoded： 窗体数据被编码为名称/值对。
这是标准的编码格式。
multipart/form-data： 窗体数据被编码为一条消息，页上的每个控件对应消息中的一个部分。 
text/plain： 窗体数据以纯文本形式进行编码，其中不含任何控件或格式字符。

form的enctype属性为编码方式，常用有两种：application/x-www-form-urlencoded和multipart/form-data，默认为application/x-www-form-urlencoded。

当action为get时候，浏览器用x-www-form-urlencoded的编码方式把form数据转换成一个字串（name1=value1&name2=value2…），然后把这个字串append到url后面，用?分割，加载这个新的url。

当action为post时候，浏览器把form数据封装到http body中，然后发送到server。

如果没有type=file的控件，用默认的application/x-www-form-urlencoded就可以了。

但是如果有type=file的话，就要用到multipart/form-data了。

浏览器会把整个表单以控件为单位分割，并为每个部分加上Content-Disposition(form-data或者file),Content-Type(默认为text/plain),name(控件name)等信息，并加上分割符(boundary)。