tomcat 中文路径编码问题! - 达人(阿Ken)

2006/04/10 | tomcat 中文路径编码问题!
类别(Tomcat相关) | 评论(0) | 阅读(1433) | 发表于 15:13: 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; 0

http://jybbh.5d.cn/

评论Comments