我来说一下tomcat如何实现JSP的你就明白了。 预备知识: 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<c.length;c++) --{ -- 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<b.length;c++) --{ -- 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<c.length;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 ---- 1.对于JSP正文的解释: --Tomcat首先看一下你的叶面中有没有"<%@page include的符号。有,则在相同 --地方设定response.setContentType(..);按照encoding的来读,没有他按照8859_1 --读取文件,然后用UTF-8写成.java文件,然后用sun.tools.Main去读取这个文件, --(当然它使用UTF-8去读),然后编译成class文件 --setContentType改变的是out的属性,out变量缺省的encoding是8859_1
2.对Parameter的解释 --很不幸Parameter只有ISO8859_1的解释,这个质料可以在servlet的实现代码中找到。
3.对include的解释 格式的,但是很不幸,由于那个写"org.apache.jasper.compiler.Parser"的人 在数组JspUtil.ValidAttribute[]忘记加了一个参数:encoding,因此导致不支 持这种方式。你完全可以编译源代码,加上对encoding的支持
总结:
如果你在NT底下,最简单的方法就是欺骗java,不加任何Encoding变量: <html> 你好<%=request.getParameter("value")%> </html>
http://localhost/test/test.jsp?value=你
结果:你好你
但这种方法局限性较大,比如对上传的文章分段,这样的做法是死定的,最好的 解决方案是用这种方案: <%@ page contentType="text/html;charset=gb2312" %> <html> 你好<%=new String(request.getParameter("value").getBytes("8859_1"),"gb2312")%> </html>
|