[转-整理]JSP和Servlet对中文的处理

本文详细解析了不同场景下(如JSP和Servlet)的字符编码转换过程,包括GB2312、GBK、UTF-8及ISO8859-1等编码间的转换,以及这些转换如何影响最终在浏览器中的显示效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

汉字是双字节的。所谓双字节是指一个双字要占用两个BYTE的位置(即16位),分别称为高位和低位。中国规定的汉字编码为GB2312,这是强制性的,目前几乎所有的能处理中文的应用程序都支持GB2312

 

另外有一种编码,叫做GBK,但这是一份规范,不是强制的

 

Unicode有一个特性:它包括了世界上所有的字符字形。所以,各个地区的语言都可以建立与Unicode的映射关系,而Java正是利用了这一点以达到异种语言之间的转换 

 

 

JSP:源文件为GB2312格式的文本文件,且JSP源文件中有“中文”这两个汉字

  假如指定了<JSP-charset>为GB2312,转化进程如下表。

  表4 JSP-charset = GB2312时的变化进程

序号步骤说明后果
1编写JSP源文件,且存为GB2312格式D6 D0 CE C4
(D6D0=中 CEC4=文)
2JSPc把JSP源文件转化为临时Java文件,并把字符串按照GB2312映照到Unicode,并用UTF格式写入JAVA文件中E4 B8 AD E6 96 87
3把临时JAVA文件编译成CLASS文件E4 B8 AD E6 96 87
4运转时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码4E 2D 65 87(在Unicode中4E2D=中 6587=文)
5根据Jsp-charset=GB2312把Unicode转化为字节流D6 D0 CE C4
6把字节流输出到IE中,并设置IE的编码为GB2312(作者按:这个消息躲藏在HTTP头中)D6 D0 CE C4
7IE用“简体中文”检查后果“中文”(正确显现)


  假如指定了<JSP-charset>为ISO8859-1,转化进程如下表。

  表5 JSP-charset = ISO8859-1时的变化进程

序号步骤说明后果
1编写JSP源文件,且存为GB2312格式D6 D0 CE C4
(D6D0=中 CEC4=文)
2JSPc把JSP源文件转化为临时Java文件,并把字符串按照ISO8859-1映照到Unicode,并用UTF格式写入JAVA文件中C3 96 C3 90 C3 8E C3 84
3把临时JAVA文件编译成CLASS文件C3 96 C3 90 C3 8E C3 84
4运转时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C4
(啥都不是!!!)
5根据JSP-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C4
6把字节流输出到IE中,并设置IE的编码为ISO8859-1(作者按:这个消息躲藏在HTTP头中)D6 D0 CE C4
7IE用“西欧字符”检查后果乱码,其实是四个ASCII字符,但由于大于128,所以显现出来的怪模怪样
8改变IE的页面编码为“简体中文”“中文”(正确显现)


  奇异了!为什么把<JSP-charset>设成GB2312和ISO8859-1是一个样的,都能正确显现?由于表4表5中的第2步和第5步互逆,是相互“抵消”的。只不过当指定为ISO8859-1时,要增加第8步操作,殊为不便。

  再看看不指定<JSP-charset> 时的情况。

  表6 未指定JSP-charset 时的变化进程

序号步骤说明后果
1编写JSP源文件,且存为GB2312格式D6 D0 CE C4
(D6D0=中 CEC4=文)
2JSPc把JSP源文件转化为临时Java文件,并把字符串按照ISO8859-1映照到Unicode,并用UTF格式写入JAVA文件中C3 96 C3 90 C3 8E C3 84
3把临时JAVA文件编译成CLASS文件C3 96 C3 90 C3 8E C3 84
4运转时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C4
5根据Jsp-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C4
6把字节流输出到IE中D6 D0 CE C4
7IE用发出请求时的页面的编码检查后果视情况而定。假如是简体中文,则能正确显现,否则,需施行表5中的第8步


  Servlet:源文件为Java文件,格式是GB2312,源文件中含有“中文”这两个汉字

  假如<Compile-charset>=GB2312,<Servlet-charset>=GB2312

  表7 Compile-charset=Servlet-charset=GB2312 时的变化进程

序号步骤说明后果
1编写Servlet源文件,且存为GB2312格式D6 D0 CE C4
(D6D0=中 CEC4=文)
2用Javac –encoding GB2312把JAVA源文件编译成CLASS文件E4 B8 AD E6 96 87 (UTF)
3运转时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码4E 2D 65 87 (Unicode)
4根据Servlet-charset=GB2312把Unicode转化为字节流D6 D0 CE C4 (GB2312)
5把字节流输出到IE中并设置IE的编码属性为Servlet-charset=GB2312D6 D0 CE C4 (GB2312)
6IE用“简体中文”检查后果“中文”(正确显现)


  假如<Compile-charset>=ISO8859-1,<Servlet-charset>=ISO8859-1

  表8 Compile-charset=Servlet-charset=ISO8859-1时的变化进程

序号步骤说明后果
1编写Servlet源文件,且存为GB2312格式D6 D0 CE C4
(D6D0=中 CEC4=文)
2用Javac –encoding ISO8859-1把JAVA源文件编译成CLASS文件C3 96 C3 90 C3 8E C3 84 (UTF)
3运转时,先从CLASS文件中用readUTF读出字符串,在内存中的是Unicode编码00 D6 00 D0 00 CE 00 C4
4根据Servlet-charset=ISO8859-1把Unicode转化为字节流D6 D0 CE C4
5把字节流输出到IE中并设置IE的编码属性为Servlet-charset=ISO8859-1D6 D0 CE C4 (GB2312)
6IE用“西欧字符”检查后果乱码(缘由同表5)
7改变IE的页面编码为“简体中文”“中文”(正确显现)


  假如不指定Compile-charset或Servlet-charset,其默许值均为ISO8859-1。

  当Compile-charset=Servlet-charset时,第2步和第4步能互逆,“抵消”,显现后果均能正确。读者可试着写一下Compile-charset<>Servlet-charset时的情况,肯定是不正确的。

  当输出对象是数据库时

  输出到数据库时,原理与输出到阅读器也是一样的。本节只是Servlet为例,JSP的情况请读者自行推导。

  假定有一个Servlet,它能接纳来自客户端(IE,简体中文)的汉字字符串,然后把它写入到内码为ISO8859-1的数据库中,然后再从数据库中取出这个字符串,显现到客户端。

  表9 输出对象是数据库时的变化进程(1)

序号步骤说明后果
1在IE中输出“中文”D6 D0 CE C4IE
2IE把字符串改变成UTF,并送入传输流中E4 B8 AD E6 96 87
3Servlet接纳到输出流,用readUTF读取4E 2D 65 87(unicode)Servlet
4编程者在Servlet中必需把字符串根据GB2312复原为字节流D6 D0 CE C4
5编程者根据数据库内码ISO8859-1生成新的字符串00 D6 00 D0 00 CE 00 C4
6把重生成的字符串提交给JDBC00 D6 00 D0 00 CE 00 C4
7JDBC检测到数据库内码为ISO8859-100 D6 00 D0 00 CE 00 C4JDBC
8JDBC把接纳到的字符串按照ISO8859-1生成字节流D6 D0 CE C4
9JDBC把字节流写入数据库中D6 D0 CE C4
10完成数据存储任务D6 D0 CE C4 数据库
以下是从数据库中取出数的进程
11JDBC从数据库中取出字节流D6 D0 CE C4JDBC
12JDBC按照数据库的字符集ISO8859-1生成字符串,并提交给Servlet00 D6 00 D0 00 CE 00 C4 (Unicode)?
13Servlet获得字符串00 D6 00 D0 00 CE 00 C4 (Unicode)Servlet
14编程者必需根据数据库的内码ISO8859-1复原成原始字节流D6 D0 CE C4?
15编程者必需根据客户端字符集GB2312生成新的字符串4E 2D 65 87
(Unicode)
?
Servlet预备把字符串输出到客户端
16Servlet根据<Servlet-charset>生成字节流D6D0 CE C4Servlet
17Servlet把字节流输出到IE中,假如已指定<Servlet-charset>,还会设置IE的编码为<Servlet-charset>D6 D0 CE C4
18IE根据指定的编码或默许编码检查后果“中文”(正确显现)IE


  注释一下,表中第4第5步和第15第16步是用白色标志的,表示要由编码者来作转换。第4、5两步其实就是一句话:“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16两步也是一句话:“new String(source.getBytes("ISO8859-1"), "GB2312")”。亲爱的读者,你在这样编写代码时能承认识到了其中的每一个细节呢?

  至于客户端内码和数据库内码为其它值时的流程,和输出对象是零碎掌握台时的流程,请读者本人想吧。明白了上述流程的原理,相信你能够紧张地写出来。

  行文至此,已可告一段落了。起点又回到了起点,关于编程者而言,几乎是什么影响都没有。

  由于我们早就被告之要这么做了。

  以下给出一个结论,作为开头。

  1、 在JSP文件中,要指定contentType,其中,charset的值要与客户端阅读器所用的字符集一样;关于其中的字符串常量,不需做任何内码转换;关于字符串变量,请求能根据ContentType中指定的字符集复原成客户端能辨认的字节流,简单地说,就是“字符串变量是基于<Jsp-charset>字符集的”;

  2、 在Servlet中,必需用HttpServletResponse.setContentType()设置charset,且设置成与客户端内码一致;关于其中的字符串常量,需求在Javac编译时指定encoding,这个encoding必需与编写源文件的平台的字符集一样,普通说来都是GB2312或GBK;关于字符串变量,与JSP一样,必需“是基于<Servlet-charset>字符集的”。

资源下载链接为: https://pan.quark.cn/s/22ca96b7bd39 在 IT 领域,文档格式换是常见需求,尤其在处理多种文件类型时。本文将聚焦于利用 Java 技术栈,尤其是 Apache POI iTextPDF 库,实现 doc、xls(涵盖 Excel 2003 及 Excel 2007+)以及 txt、图片等格式文件向 PDF 的换,并实现在线浏览功能。 先从 Apache POI 说起,它是一个强大的 Java 库,专注于处理 Microsoft Office 格式文件,比如 doc xls。Apache POI 提供了 HSSF XSSF 两个 API,其中 HSSF 用于读写老版本的 BIFF8 格式(Excel 97-2003),XSSF 则针对新的 XML 格式(Excel 2007+)。这两个 API 均具备读取写入工作表、单元格、公式、样式等功能。读取 Excel 文件时,可通过创建 HSSFWorkbook 或 XSSFWorkbook 对象来打开相应格式的文件,进而遍历工作簿中的每个 Sheet,获取列数据。写入 Excel 文件时,创建新的 Workbook 对象,添加 Sheet、Row Cell,即可构建新 Excel 文件。 再看 iTextPDF,它是一个用于生成修改 PDF 文档的 Java 库,拥有丰富的 API。创建 PDF 文档时,借助 Document 对象,可定义页面尺寸、边距等属性来定制 PDF 外观。添加内容方面,可使用 Paragraph、List、Table 等元素将文本、列表表格加入 PDF,图片可通过 Image 类加载插入。iTextPDF 支持多种字体样式,可设置文本颜色、大小、样式等。此外,iTextPDF 的 TextRenderer 类能将 HTML、
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值