疯狂java


您现在的位置: 疯狂软件 >> 新闻资讯 >> 正文

浅析Servlet和Jsp中的多国语言显示


 

 因为一直不信Java竟会有不能混排显示多国语言的BUG,这个周末研究了一下Servlet、JSP的多国语言显示的问题,也就是Servlet的多字符集问题,由于我对字符集的概念还不是很清晰所以写出的东西未必是准确的,我是这样理解Java中的字符集的:在运行时,每个字符串对象中存储的都是编码为UNICODE内码的(笔者认为所有的语言中都是有相应编码的,因为在计算机内部字符串总是用内码来表示的,只不过一般计算机语言中的字符串编码时平台相关的,而Java则采用了平台无关的UNICODE)。
   
    Java从一个byte流中读取一个字符串时,将把平台相关的byte转变为平台无关的Unicode字符串。在输出时Java将把Unicode字符串转变为平台相关的byte流,如果某个Unicode字符在某个平台上不存在,将会输出一个???.举个例子:在中文Windows中,Java读出一个“GB2312”编码的文件(可以是任何流)到内存中构造字符串对象,将会把GB2312编码的文字转变为Unicode编码的字符串,如果把这个字符串输出又将会把Unicode字符串转化为GB2312的byte流或数组:“中文测试”----->“u4e2du6587u6d4bu8bd5”----->“中文测试”.
   
    byte[] bytes = new byte[]{(byte)0xd6, (byte)0xd0, (byte)0xce,
   
    (byte)0xc4, (byte)0xb2, (byte)0xe2, (byte)0xca, (byte)0xd4};//GBK编码的“中文测试”
   
    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)
   
    这段程序放到包含“中文测试”这四个字的系统(如中文系统)中,可以正确地打印出这些字。msg字符串中包含了正确的“中文测试”的Unicode编码:“u4e2du6587u6d4bu8bd5”,打印时转换为操作系统的默认字符集,是否可以正确显示依赖于操作系统的字符集,只有在支持相应字符集的系统中,我们的信息才能正确的输出,否则得到的将会是垃圾。
   
    话入正题,我们来看看Servlet/Jsp中的多语言问题。我们的目标是,任一国家的客户端通过Form向Server发送信息,Server把信息存入数据库中,客户端在检索时仍然能够看到自己发送的正确信息。事实上,我们要保证,最终Server中的SQL语句中保存的时包含客户端发送文字的正确Unicode编码;DBC与数据库通讯时采用的编码方式能包含客户端发送的文字信息,事实上,最好让JDBC直接使用UNICODE/UTF8与数据库通讯!这样就可以确保不会丢失信息;Server向客户端发送的信息时也要采用不丢失信息的编码方式,也可以是Unicode/Utf8.
   
    如果不指定Form的Enctype属性,Form将把输入的内容依照当前页面的编码字符集urlencode之后再提交,服务器端得到是urlencoding的字符串。编码后得到的urlencoding字符串是与页面的编码相关的,如gb2312编码的页面提交“中文测试”,得到的是“%D6%D0%CE%C4%B2%E2%CA%D4”,每个“%”后跟的是16进制的字符串;而在UTF8编码时得到的却是“%E4%B8%AD%E6%96%87%E6%B5%8B%E8%AF%95”,因为GB2312编码中一个汉字是16位的,而UTF8中一个汉字却是24位的。中日韩三国的ie4以上浏览器均支持UTF8编码,这种方案肯定包涵了这三国语言,所以我们如果让Html页面使用UTF8编码那么将至少可以支持这三国语言。
   
    但是,如果我们html/Jsp页面使用UTF8编码,因为应用程序服务器可能不知道这种情况,因为如果浏览器发送的信息不包含charset信息,至多Server知道读到Accept-Language请求投标,我们知道仅靠这个投标是不能获知浏览器所采用编码的,所以应用程序服务器不能正确解析提交的内容,为什么?因为Java中的所有字符串都是Unicode16位编码的,HttpServletRequest.request(String)的功能就是把客户端提交的Urlencode编码的信息转为Unicode字符串,有些Server只能认为客户端的编码和Server平台相同,简单地使用URLDecoder.decode(String)方法直接解码,如果客户端编码恰好和Server相同,那么就可以得到正确地字符串,否则,如果提交地字符串中包含了当地字符,那么将会导致垃圾信息。