因為一直不信Java竟會有不能混排顯示多國語言的BUG，這個周末研究了一下Servlet、Jsp的多國語言顯示的問題，也就是Servlet的多字符集問題，由于我對字符集的概念還不是很清晰所以寫出的東西未必是準(zhǔn)確的，我是這樣理解Java中的字符集的：在運行時，每個字符串對象中存儲的都是編碼為UNICODE內(nèi)碼的（筆者認(rèn)為所有的語言中都是有相應(yīng)編碼的，因為在計算機內(nèi)部字符串總是用內(nèi)碼來表示的，只不過一般計算機語言中的字符串編碼時平臺相關(guān)的，而Java則采用了平臺無關(guān)的UNICODE）。

Java從一個byte流中讀取一個字符串時，將把平臺相關(guān)的byte轉(zhuǎn)變?yōu)槠脚_無關(guān)的Unicode字符串。在輸出時Java將把Unicode字符串轉(zhuǎn)變?yōu)槠脚_相關(guān)的byte流，如果某個Unicode字符在某個平臺上不存在，將會輸出一個´?´。舉個例子：在中文Windows中，Java讀出一個"GB2312"編碼的文件（可以是任何流）到內(nèi)存中構(gòu)造字符串對象，將會把GB2312編碼的文字轉(zhuǎn)變?yōu)閁nicode編碼的字符串，如果把這個字符串輸出又將會把Unicode字符串轉(zhuǎn)化為GB2312的byte流或數(shù)組："中文測試"----->"u4e2du6587u6d4bu8bd5"----->"中文測試"。

byte[] bytes = new byte[]{(byte)0xd6, (byte)0xd0, (byte)0xce, 
(byte)0xc4, (byte)0xb2, (byte)0xe2, (byte)0xca, (byte)0xd4};//GBK編碼的"中文測試" 
java.io.ByteArrayInputStream bin = new java.io.ByteArrayInputStream(bytes); 
java.io.BufferedReader reader =
 new java.io.BufferedReader(new java.io. InputStreamReader (bin,"GBK")); 
String msg = reader.readLine(); 
System.out.println(msg)

這段程序放到包含"中文測試"這四個字的系統(tǒng)（如中文系統(tǒng)）中，可以正確地打印出這些字。msg字符串中包含了正確的"中文測試"的Unicode編碼："u4e2du6587u6d4bu8bd5"，打印時轉(zhuǎn)換為操作系統(tǒng)的默認(rèn)字符集，是否可以正確顯示依賴于操作系統(tǒng)的字符集，只有在支持相應(yīng)字符集的系統(tǒng)中，我們的信息才能正確的輸出，否則得到的將會是垃圾。

話入正題，我們來看看Servlet/Jsp中的多語言問題。我們的目標(biāo)是，任一國家的客戶端通過Form向Server發(fā)送信息，Server把信息存入數(shù)據(jù)庫中，客戶端在檢索時仍然能夠看到自己發(fā)送的正確信息。事實上，我們要保證，最終Server中的SQL語句中保存的時包含客戶端發(fā)送文字的正確Unicode編碼；DBC與數(shù)據(jù)庫通訊時采用的編碼方式能包含客戶端發(fā)送的文字信息，事實上，最好讓JDBC直接使用UNICODE/UTF8與數(shù)據(jù)庫通訊！這樣就可以確保不會丟失信息；Server向客戶端發(fā)送的信息時也要采用不丟失信息的編碼方式，也可以是Unicode/Utf8。

如果不指定Form的Enctype屬性，F(xiàn)orm將把輸入的內(nèi)容依照當(dāng)前頁面的編碼字符集urlencode之后再提交，服務(wù)器端得到是urlencoding的字符串。編碼后得到的urlencoding字符串是與頁面的編碼相關(guān)的，如gb2312編碼的頁面提交"中文測試"，得到的是"%D6%D0%CE%C4%B2%E2%CA%D4"，每個"％"后跟的是16進(jìn)制的字符串；而在UTF8編碼時得到的卻是"%E4%B8%AD%E6%96%87%E6%B5%8B%E8%AF%95"，因為GB2312編碼中一個漢字是16位的，而UTF8中一個漢字卻是24位的。中日韓三國的ie4以上瀏覽器均支持UTF8編碼，這種方案肯定包涵了這三國語言，所以我們?nèi)绻孒tml頁面使用UTF8編碼那么將至少可以支持這三國語言。

但是，如果我們html/Jsp頁面使用UTF8編碼，因為應(yīng)用程序服務(wù)器可能不知道這種情況，因為如果瀏覽器發(fā)送的信息不包含charset信息，至多Server知道讀到Accept-Language請求投標(biāo)，我們知道僅靠這個投標(biāo)是不能獲知瀏覽器所采用編碼的，所以應(yīng)用程序服務(wù)器不能正確解析提交的內(nèi)容，為什么？因為Java中的所有字符串都是Unicode16位編碼的，HttpServletRequest.request(String)的功能就是把客戶端提交的Urlencode編碼的信息轉(zhuǎn)為Unicode字符串，有些Server只能認(rèn)為客戶端的編碼和Server平臺相同，簡單地使用URLDecoder.decode(String)方法直接解碼，如果客戶端編碼恰好和Server相同，那么就可以得到正確地字符串，否則，如果提交地字符串中包含了當(dāng)?shù)刈址敲磳?dǎo)致垃圾信息。

【編輯推薦】

1. JSP中文編碼問題解決方法詳解
2. JSP頁面查詢顯示的常用模式
3. 高性能、高彈性JSP和Servlet性能優(yōu)化