|
|
|
我
的
日
历 |
|
|
最
新
评
论 |
|
|
友
情
链
接 |
|
|
搜
索
日
志 |
|
|
访
问
计
数 |
|
|
获
取
R
S
S |
|
|
tomcat 中文路径 编码问题! [2006-4-10]
jybbh 发表在 Tomcat相关
| tomcat 中文路径 编码问题!
2004-09-24 13:39
编码问题!
发表：2004-7-2 16:47:43 出处：你的博客网(yourblog.org)
--------------------------------------------------------------------------------
return new String(in.getBytes("ISO-8859-1"),"GB2312");
java中中文问题详解（转www.javajia.com）
1.字节和unicode
Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式
是使用字节流的。 因此Java要对这些字节流经行转化。char是unicode的，而byte是字节.
Java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，
可以用来告诉你，你用的Convertor。其中两个很常用的静态函数是
public static ByteToCharConverter getDefault() ;
public static ByteToCharConverter getConverter(String encoding);
如果你不指定converter，则系统会自动使用当前的Encoding,GB平台上用GBK,EN平台上用
8859_1
我们来就一个简单的例子：
"你"的gb码是：0xC4E3 ,unicode是0x4F60
你用:
--encoding="gb2312";
--byte b[]={(byte)"u00c4",(byte)"u00E3"};
--convertor=ByteToCharConverter.getConverter(encoding);
--char [] c=converter.convertAll(b);
--for(int i=0;i --{
-- System.out.println(Integer.toHexString(c[i]));
--}
--打印出来是0x4F60
--但是如果使用8859_1的编码，打印出来是
--0x00C4,0x00E3
----例１
反过来：
--encoding="gb2312";
char c[]={"u4F60"};
convertor=ByteToCharConverter.getConverter(encoding);
--byte [] b=converter.convertAll(c);
--for(int i=0;i --{
-- System.out.println(Integer.toHexString(b[i]));
--}
--打印出来是：0xC4,0xE3
----例２
--如果用8859_1就是0x3F，?号，表示无法转化 --
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类
不直接支持把Encoding输入，这给我们带来诸多不便。很多程序难得用encoding
了，直接用default的encoding，这就给我们移植带来了很多困难
--
2.UTF-8
--UTF-8是和Unicode一一对应的，其实现很简单
--
-- 7位的Unicode: 0 _ _ _ _ _ _ _
--11位的Unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
--16位的Unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--21位的Unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
--大多数情况是只使用到16位以下的Unicode:
--"你"的gb码是：0xC4E3 ,unicode是0x4F60
--我们还是用上面的例子
-- --例１：0xC4E3的二进制：
-- -- 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
-- -- 由于只有两位我们按照两位的编码来排，但是我们发现这行不通，
-- -- 因为第７位不是0因此，返回"?"
-- --
-- --例２：0x4F60的二进制：
-- -- 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
-- -- 我们用UTF-8补齐，变成：
-- -- 11100100 10111101 10100000
-- -- E4--BD-- A0
-- -- 于是返回0xE4,0xBD,0xA0
-- --
3.String和byte[]
--String其实核心是char[],然而要把byte转化成String，必须经过编码。
--String.length()其实就是char数组的长度，如果使用不同的编码，很可
--能会错分，造成散字和乱码。
--例：
----byte [] b={(byte)"u00c4",(byte)"u00e3"};
----String str=new String(b,encoding); ----
----如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字 ----
--这个问题在处理分页是经常发生
4.Reader,Writer/InputStream,OutputStream
--Reader和Writer核心是char，InputStream和OutputStream核心是byte。
--但是Reader和Writer的主要目的是要把Char读/写InputStream/OutputStream
--一个reader的例子：
--文件test.txt只有一个"你"字，0xC4,0xE3--
--String encoding=;
--InputStreamReader reader=new InputStreamReader(
----new FileInputStream("text.txt"),encoding);
--char []c=new char[10];
--int length=reader.read(c);
--for(int i=0;i ----System.out.println(c[i]);
--如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符
--------
--
--
----
2.我们要对Java的编译器有所了解：
--javac -encoding
我们常常没有用到ENCODING这个参数。其实Encoding这个参数对于跨平台的操作是很重要的。
如果没有指定Encoding，则按照系统的默认Encoding,gb平台上是gb2312，英文平台上是ISO8859_1。
--Java的编译器实际上是调用sun.tools.javac.Main的类，对文件进行编译，这个类 --
有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。
编译器就是根据这个变量来读取java文件的，然后把用UTF-8形式编译成class文件。
一个例子：
--public void test()
--{
----String str="你";
----FileWriter write=new FileWriter("test.txt");
----write.write(str);
----write.close();
--}
----例３
--如果用gb2312编译，你会找到E4 BD A0的字段
--
--如果用8859_1编译，
--00C4 00E3的二进制：
--00000000 11000100 00000000 11100011--
--因为每个字符都大于7位，因此用11位编码：
--11000001 10000100 11000011 10100011
--C1-- 84-- C3-- A3
--你会找到C1 84 C3 A3 --
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：
-- 例３在中文平台上编译，生成ZhClass
-- 例３在英文平台上编译，输出EnClass
--1. ZhClass在中文平台上执行OK,但是在英文平台上不行
--2. EnClass在英文平台上执行OK,但是在中文平台上不行
原因：
--1.在中文平台上编译后，其实str在运行态的char[]是0x4F60, ----
--在中文平台上运行，FileWriter的缺省编码是gb2312,因此
--CharToByteConverter会自动用调用gb2312的converter,把str转化
--成byte输入到FileOutputStream中，于是0xC4,0xE3放进了文件。
--但是如果是在英文平台下，CharToByteConverter的缺省值是8859_1,
--FileWriter会自动调用8859_1去转化str,但是他无法解释，因此他会
--输出"?" ----
--2. 在英文平台上编译后，其实str在运行态的char[]是0x00C4 0x00E3, ----
--在中文平台上运行，中文无法识别，因此会出现??
-- 在英文平台上，0x00C4-->0xC4,0x00E3->0xE3，因此0xC4,0xE3被放进了
--文件
Tomcat5中的中文路径和中文文件名问题的初步解决方案：
问题的提出：
在Tomcat5中存在中文路径的问题，如：
< IMG SRC="中文图片.jpg" WIDTH="77" HEIGHT="80" BORDER=0 ALT="" >
或 < a href="中文.jsp">中文文件名< / a>
或 127.0.0.1:8080/中文.jsp
通常在以上三种情况下，Tomcat5服务器会报告找不到文件的错误。
Tomcat中Java/jsp中文问题完全解决方案
板桥里人http://www.jdon.com
Tomcat 3.23以下的版本
对于Tomcat 3.23以下版本,Java中的中文问题网上已经谈了不少,一般遇到中文问题使用转换函数转换.toChinese()
public static String toChinese(String strvalue)
{
try{
if(strvalue==null)
return null;
else
{
strvalue = new String(strvalue.getBytes("ISO8859_1"), "GBK");
return strvalue;
}
}catch(Exception e){
return null;
}
}
凡是涉及中文字符串,如从数据库中读取中文字符串,或变量名赋值时,使用toChinese函数:
toChinese("这是中文字符串")
注:该办法在使用javamail发送中文信息时似乎有问题
Tomcat 4.0以上的版本
在4.0以后的版本,已经不需要象3.23版本中使用字符转换函数:
(1)编译javabean时 javac 命令行加上-encoding ISO8859_1
(2)在Jsp头部中加入<%@ page contentType="text/html;charset=ISO8859_1" %>
是不是很简单? 使用本办法基本可以对付实际应用,推荐!
但也有一个缺点是,通过form表单get参数;或在url后附带中文,这个办法就失效,我相信应该有办法解决.
该办法原理就是在java的各个环节统一编码为:ISO8859_1.
修改tomcat
该办法是一位网友在论坛贴出的,我没有试验,转载于此:
只要修改一个地方就行了，文件为:
tomcat4/src/catalina/src/share/org/apache/catalina/connector/HttpReque
stBase.java
找到protected void parseParameters()方法，把
if (encoding == null)
encoding = "ISO-8859-1";
改为
if (encoding == null)
encoding = "GBK";
编译:
解开jakarta-servletapi-4的原码包,找到servlet.jar文件设置到CLASSPATH
找到tomcat4.0.1的bin包将catalina.jar设置到CLASSPATH.
因为编译时要使用这些api.
然后javac HttpRequestBase.java生成两个class文件.
解开catalina.jar jar xvf catalina.jar(tomcat bin包中的)
覆盖调原来的两个class文件:
jar cvf catalina.jar org
即可
重启tomcat4，一切OK!，你再也不用编写烦人的编码转换了。
经过这几天对Tomcat5文档的研究，主要是下面这份：
jakarta.apache.org/tomcat/tomcat-5.0-doc/config/http.html
终于初步搞清了Tomcat5中的中文路径问题，
探其原因主要是编码的问题，
因为Tomcat5的http Connector所用的URI解码默认用的是 ISO-8859-1，
而一般浏览器默认用的发送编码为UTF-8，这样问题就出现了，
初步的解决方法如下：
在server.xml中类似如下配置：
< Connector port="8080" maxThreads="150" minSpareThreads="25"
maxSpareThreads="75" enableLookups="false" redirectPort="8443"
acceptCount="100" debug="0" connectionTimeout="20000"
disableUploadTimeout="true" URIEncoding="UTF-8" / >
其中关键是 URIEncoding="UTF-8" 这项，其含义是指定URI的编码为：UTF-8
这样配置后重启Tomcat，基本能解决前面提到的中文路径和中文文件名问题。
不过还是强烈建议用English，那样比较规范，麻烦也少的多。
package com.iaworld.util;
import org.apache.commons.codec.base64.Base64;
/**
* 提供对 URL 进行处理的工具类
*/
public class URLUtil
{
/**
* 将 URL 参数据进行安全编码
* @param s
* @return
*/
public final static String safeRequestParameter(String s)
{
byte[] b = Base64.encode(s.getBytes());
StringBuffer sb = new StringBuffer();
for(int i = 0; i < b.length; i++)
{
sb.append("%" + Integer.toHexString(b[i]));
}
return sb.toString();
}
/**
* 对 URL 参数据进行安全解码
* @param s
* @return
*/
public final static String decodeSafeRequestParameter(String s)
{
return new String(Base64.decode(s.getBytes()));
}
}
package com.iaworld.web.filters;
import javax.servlet.*;
import java.io.IOException;
/**
* 用于设置 HTTP 请求字符编码的过滤器，通过过滤器参数encoding指明使用何种字符编码,用于处理Html Form请求参数的中文问题
* @version 1.0
* @author 陶建风
*/
public class CharacterEncodingFilter
implements Filter
{
protected FilterConfig filterConfig = null;
protected String encoding = "";
public void doFilter(ServletRequest servletRequest, ServletResponse servletResponse, FilterChain filterChain) throws IOException, ServletException
{
if(encoding != null)
servletRequest.setCharacterEncoding(encoding);
filterChain.doFilter(servletRequest, servletResponse);
}
public void destroy()
{
filterConfig = null;
encoding = null;
}
public void init(FilterConfig filterConfig) throws ServletException
{
this.filterConfig = filterConfig;
this.encoding = filterConfig.getInitParameter("encoding");
}
}
----------------------------------------
引用：http://prewind.blogbus.com/logs/2004/09/406216.html
| |
|
|
