深入剖析JSP charset

作者：iss09 2009-07-06 10:44:45

本文深入剖析JSP charset，包括Unicode有一個特性：它包括了世界上所有的字符字形，以及介紹什么是UTF。

世界上的各地區都有本地的語言。地區差異直接導致了語言環境的差異。在開發一個國際化程序的過程中，處理語言問題就顯得很重要了。

這是一個世界范圍內都存在的問題，所以，Java提供了世界性的解決方法。本文描述的方法是用于處理中文的，但是，推而廣之，對于處理世界上其它國家和地區的語言同樣適用。

漢字是雙字節的。所謂雙字節是指一個雙字要占用兩個BYTE的位置（即16位），分別稱為高位和低位。中國規定的漢字編碼為GB2312，這是強制性的，目前幾乎所有的能處理中文的應用程序都支持GB2312。GB2312包括了一二級漢字和9區符號，高位從0xa1到0xfe，低位也是從 0xa1到0xfe，其中，漢字的編碼范圍為0xb0a1到0xf7fe。

另外有一種編碼，叫做GBK，但這是一份規范，不是強制的。GBK提供了20902個漢字，它兼容GB2312，編碼范圍為0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0。

在不久的將來，中國會頒布另一種標準：GB18030-2000（GBK2K）。它收錄了藏、蒙等少數民族的字型，從根本上解決了字位不足的問題。注意：它不再是定長的。其二字節部份與GBK兼容，四字節部分是擴充的字符、字形。它的首字節和第三字節從0x81到0xfe，二字節和第四字節從 0x30到0x39。

本文不打算介紹Unicode，有興趣的可以瀏覽“http://www.unicode.org/”查看更多的信息。Unicode有一個特性：它包括了世界上所有的字符字形。所以，各個地區的語言都可以建立與Unicode的映射關系，而Java正是利用了這一點以達到異種語言之間的轉換。

在JDK中，與中文相關的編碼有：
JDK中與中文相關的編碼列表編碼名稱說明
ASCII 7位，與ascii7相同
ISO8859-1 8-位，與 8859_1,ISO-8859-1,ISO_8859-1,latin1...等相同
GB2312-80 16位，與gb2312,gb2312-1980,EUC_CN,euccn,1381,Cp1381, 1383, Cp1383, ISO2022CN,ISO2022CN_GB...等相同
GBK 與MS936相同，注意：區分大小寫
UTF8 與UTF-8相同
GB18030 與cp1392、1392相同，目前支持的JDK很少

在實際編程時，接觸得比較多的是GB2312（GBK）和ISO8859-1。

為什么會有“?”號

上文說過，異種語言之間的轉換是通過Unicode來完成的。假設有兩種不同的語言A和B，轉換的步驟為：先把A轉化為Unicode，再把Unicode轉化為B。

舉例說明。有GB2312中有一個漢字“李”，其編碼為“C0EE”，欲轉化為ISO8859-1編碼。步驟為：先把“李”字轉化為 Unicode，得到“674E”，再把“674E”轉化為ISO8859-1字符。當然，這個映射不會成功，因為ISO8859-1中根本就沒有與 “674E”對應的字符。

當映射不成功時，問題就發生了！當從某語言向Unicode轉化時，如果在某語言中沒有該字符，得到的將是Unicode的代碼 “\uffffd”（“\u”表示是Unicode編碼，）。而從Unicode向某語言轉化時，如果某語言沒有對應的字符，則得到的是 “0x3f”（“?”）。這就是“?”的由來。

例如：把字符流buf =“0x80 0x40 0xb0 0xa1”進行new String(buf, "gb2312")操作，得到的結果是“\ufffd\u554a”，再println出來，得到的結果將是“?啊”，因為“0x80 0x40”是GBK中的字符，在GB2312中沒有。

再如，把字符串String="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"進行new String (buf.getBytes("GBK"))操作，得到的結果是“3fa8aca8a6463fa8b4”，其中，“\u00d6”在“GBK”中沒有對應的字符，得到“3f”，“\u00ec”對應著“a8ac”，“\u00e9”對應著“a8a6”，“0046”對應著“46”（因為這是ASCII字符），“\u00bb”沒找到，得到“3f”，最后，“\u00f9”對應著“a8b4”。把這個字符串println一下，得到的結果是 “?ìéF?ù”。看到沒？這里并不全是問號，因為GBK與Unicode映射的內容中除了漢字外還有字符，本例就是最好的明證。

所以，在漢字轉碼時，如果發生錯亂，得到的不一定都是問號噢！不過，錯了終究是錯了，50步和100步并沒有質的差別。

或者會問：如果源字符集中有，而Unicode中沒有，結果會如何？回答是不知道。因為我手頭沒有能做這個測試的源字符集。但有一點是肯定的，那就是源字符集不夠規范。在Java中，如果發生這種情況，是會拋出異常的。

什么是UTF?

UTF，是Unicode Text Format的縮寫，意為Unicode文本格式。對于UTF，是這樣定義的：

（1）如果Unicode的16位字符的頭9位是0，則用一個字節表示，這個字節的首位是“0”，剩下的7位與原字符中的后7位相同，如 “\u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（與源Unicode字符是相同的）；

（2）如果Unicode的16位字符的頭5位是0，則用2個字節表示，首字節是“110”開頭，后面的5位與源字符中除去頭5個零后的最高5 位相同；第二個字節以“10”開頭，后面的6位與源字符中的低6位相同。如“\u025d”（0000 0010 0101 1101），轉化后為“c99d”（1100 1001 1001 1101）；

（3）如果不符合上述兩個規則，則用三個字節表示。第一個字節以“1110”開頭，后四位為源字符的高四位；第二個字節以“10”開頭，后六位為源字符中間的六位；第三個字節以“10”開頭，后六位為源字符的低六位；如“\u9da7”（1001 1101 1010 0111），轉化為“e9b6a7”（1110 1001 1011 0110 1010 0111）；

可以這么描述JAVA程序中Unicode與UTF的關系，雖然不絕對：字符串在內存中運行時，表現為Unicode代碼，而當要保存到文件或其它介質中去時，用的是UTF。這個轉化過程是由writeUTF和readUTF來完成的。

好了，基礎性的論述差不多了，下面進入正題。

先把這個問題想成是一個黑匣子。先看黑匣子的一級表示：

input(charsetA)-＞process(Unicode)-＞output(charsetB)

簡單，這就是一個IPO模型，即輸入、處理和輸出。同樣的內容要經過“從charsetA到unicode再到charsetB”的轉化。

再看二級表示：

SourceFile(jsp,java)-＞class-＞output

可以看出，輸入的是jsp和java源文件，在處理過程中，以Class文件為載體，然后輸出。再細化到三級表示：

jsp-＞temp file-＞class-＞browser,os console,db

app,servlet-＞class-＞browser,os console,db

Jsp文件先生成中間的Java文件，再生成Class。而Servlet和普通App則直接編譯生成Class。然后，從Class再輸出到瀏覽器、控制臺或數據庫等。

JSP：從源文件到Class的過程

Jsp的源文件是以“.jsp”結尾的文本文件。在本節中，將闡述JSP文件的解釋和編譯過程，并跟蹤其中的中文變化。

1、JSP/Servlet引擎提供的JSP轉換工具（jspc）搜索JSP文件中用＜%@ page contentType ="text/html; charset=＜Jsp-charset＞"%＞中指定的charset。如果在JSP文件中未指定＜Jsp-charset＞，則取JVM中的默認設置file.encoding，一般情況下，這個值是ISO8859-1；

2、jspc用相當于“javac ?encoding ＜Jsp-charset＞”的命令解釋JSP文件中出現的所有字符，包括中文字符和ASCII字符，然后把這些字符轉換成Unicode字符，再轉化成UTF格式，存為JAVA文件。ASCII碼字符轉化為Unicode字符時只是簡單地在前面加“00”，如“A”，轉化為“\u0041”（不需要理由，Unicode的碼表就是這么編的）。然后，經過到UTF的轉換，又變回“41”了！這也就是可以使用普通文本編輯器查看由JSP生成的JAVA文件的原因；

3、引擎用相當于“javac ?encoding UNICODE”的命令，把JAVA文件編譯成CLASS文件；

先看一下這些過程中中文字符的轉換情況。有如下源代碼：

＜%@ page contentType="text/html; charset=gb2312"%＞  
＜html＞＜body＞  
＜%  
String a="中文";  
out.println(a);  
%＞  
＜/body＞＜/html＞

這段代碼是在UltraEdit for Windows上編寫的。保存后，“中文”兩個字的16進制編碼為“D6 D0 CE C4”（GB2312編碼）。經查表，“中文”兩字的Unicode編碼為“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打開引擎生成的由JSP文件轉變而成的JAVA文件，發現其中的“中文”兩個字確實被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件編譯生成的CLASS文件，發現結果與JAVA文件中的完全一樣。

再看JSP中指定的CharSet為ISO-8859-1的情況。

＜%@ page contentType="text/html; charset=ISO-8859-1"%＞  
＜html＞＜body＞  
＜%  
String a="中文";  
out.println(a);  
%＞  
＜/body＞＜/html＞

同樣，該文件是用UltraEdit編寫的，“中文”這兩個字也是存為GB2312編碼“D6 D0 CE C4”。先模擬一下生成的JAVA文件和CLASS文件的過程：jspc 用ISO-8859-1來解釋“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁語系，其映射規則就是在每個字節前加 “00”，所以，映射后的Unicode編碼應為“\u00D6\u00D0\u00CE\u00C4”，轉化成UTF后應該是“C3 96 C3 90 C3 8E C3 84”。好，打開文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示為“C3 96 C3 90 C3 8E C3 84”。

如果上述代碼中不指定＜JSP charset＞，即把第一行寫成“＜%@ page contentType="text/html" %＞”，JSPC會使用file.encoding的設置來解釋JSP文件。在RedHat 6.2上，其處理結果與指定為ISO-8859-1是完全相同的。

到現在為止，已經解釋了從JSP文件到CLASS文件的轉變過程中中文字符的映射過程。一句話：從“JspCharSet到Unicode再到UTF”。下表總結了這個過程：

“中文”從JSP到CLASS的轉化過程

JSP charset JSP文件中 JAVA文件中 CLASS文件中
GB2312 D6 D0 CE C4(GB2312) 從\u4E2D\u6587(Unicode)到E4 B8 AD E6 96 87 (UTF) E4 B8 AD E6 96 87 (UTF)
ISO-8859-1 D6 D0 CE C4
(GB2312) 從\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF) C3 96 C3 90 C3 8E C3 84 (UTF)
無（默認＝file.encoding）同ISO-8859-1 同ISO-8859-1 同ISO-8859-1

下節先討論Servlet從JAVA文件到CLASS文件的轉化過程，然后再解釋從CLASS文件如何輸出到客戶端。之所以這樣安排，是因為JSP和Servlet在輸出時處理方法是一樣的。

Servlet：從源文件到Class的過程

Servlet源文件是以“.java”結尾的文本文件。本節將討論Servlet的編譯過程并跟蹤其中的中文變化。

用“javac”編譯Servlet源文件。javac可以帶“-encoding ＜Compile-charset＞”參數，意思是“用＜ Compile-charset ＞中指定的編碼來解釋Serlvet源文件”。

源文件在編譯時，用＜Compile-charset＞來解釋所有字符，包括中文字符和ASCII字符。然后把字符常量轉變成Unicode字符，最后，把Unicode轉變成UTF。

在Servlet中，還有一個地方設置輸出流的CharSet。通常在輸出結果前，調用HttpServletResponse的setContentType方法來達到與在JSP中設置＜JSP charset＞一樣的效果，稱之為＜Servlet-charset＞。

注意，文中一共提到了三個變量：＜JSP charset＞、＜Compile-charset＞和＜Servlet-charset＞。其中，JSP文件只與＜JSP charset＞有關，而＜Compile-charset＞和＜Servlet-charset＞只與Servlet有關。

看下例：

import javax.servlet.*;  
import javax.servlet.http.*;  
class testServlet extends HttpServlet  
{  
public void doGet(HttpServletRequest req,HttpServletResponse resp)  
throws ServletException,java.io.IOException  
{  
resp.setContentType("text/html; charset=GB2312");  
java.io.PrintWriter out=resp.getWriter();  
out.println("＜html＞");  
out.println("#中文#");  
out.println("＜/html＞");  
}  
}

該文件也是用UltraEdit for Windows編寫的，其中的“中文”兩個字保存為“D6 D0 CE C4”（GB2312編碼）。

開始編譯。下表是＜Compile-charset＞不同時，CLASS文件中“中文”兩字的十六進制碼。在編譯過程中，＜Servlet- charset＞不起任何作用。＜Servlet-charset＞只對CLASS文件的輸出產生影響，實際上是＜Servlet-charset＞和＜Compile-charset＞一起，達到與JSP文件中的＜JSP charset＞相同的效果，因為＜JSP charset＞對編譯和CLASS文件的輸出都會產生影響。

“中文”從Servlet源文件到Class的轉變過程

Compile-charset Servlet源文件中 Class文件中等效的Unicode碼
GB2312 D6 D0 CE C4
(GB2312) E4 B8 AD E6 96 87 (UTF) \u4E2D\u6587 (在Unicode中＝“中文”)
ISO-8859-1 D6 D0 CE C4
(GB2312) C3 96 C3 90 C3 8E C3 84 (UTF) \u00D6 \u00D0 \u00CE \u00C4 (在D6 D0 CE C4前面各加了一個00)
無（默認） D6 D0 CE C4 (GB2312) 同ISO-8859-1 同ISO-8859-1

普通Java程序的編譯過程與Servlet完全一樣。

CLASS文件中的中文表示法是不是昭然若揭了？OK，接下來看看CLASS又是怎樣輸出中文的呢？

Class：輸出字符串

上文說過，字符串在內存中表現為Unicode編碼。至于這種Unicode編碼表示了什么，那要看它是從哪種字符集映射過來的，也就是說要看它的祖先。這好比在托運行李時，外觀都是紙箱子，里面裝了什么就要看寄郵件的人實際郵了什么東西。

看看上面的例子，如果給一串Unicode編碼“00D6 00D0 00CE 00C4”，如果不作轉換，直接用Unicode碼表來對照它時，是四個字符（而且是特殊字符）；假如把它與“ISO8859-1”進行映射，則直接去掉前面的“00”即可得到“D6 D0 CE C4”，這是ASCII碼表中的四個字符；而假如把它當作GB2312來進行映射，得到的結果很可能是一大堆亂碼，因為在GB2312中有可能沒有（也有可能有）字符與00D6等字符對應（如果對應不上，將得到0x3f，也就是問號，如果對應上了，由于00D6等字符太靠前，估計也是一些特殊符號，真正的漢字在Unicode中的編碼從4E00開始）。

各位看到了，同樣的Unicode字符，可以解釋成不同的樣子。當然，這其中有一種是我們期望的結果。以上例而論，“D6 D0 CE C4”應該是我們所想要的，當把“D6 D0 CE C4”輸出到IE中時，用“簡體中文”方式查看，就能看到清楚的“中文”兩個字了。（當然了，如果你一定要用“西歐字符”來看，那也沒辦法，你將得不到任何有何時何地的東西）為什么呢？因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉化過去的。

給出如下結論：

在Class輸出字符串前，會將Unicode的字符串按照某一種內碼重新生成字節流，然后把字節流輸入，相當于進行了一步“String.getBytes(???)”操作。???代表某一種字符集。

如果是Servlet，那么，這種內碼就是在HttpServletResponse.setContentType()方法中指定的內碼，也就是上文定義的＜Servlet-charset＞。

如果是JSP，那么，這種內碼就是在＜%@ page contentType=""%＞中指定的內碼，也就是上文定義的＜JSP charset＞。

如果是Java程序，那么，這種內碼就是file.encoding中指定的內碼，默認為ISO8859-1。

當輸出對象是瀏覽器時

以流行的瀏覽器IE為例。IE支持多種內碼。假如IE接收到了一個字節流“D6 D0 CE C4”，你可以嘗試用各種內碼去查看。你會發現用“簡體中文”時能得到正確的結果。因為“D6 D0 CE C4”本來就是簡體中文中“中文”兩個字的編碼。

OK，完整地看一遍。

JSP：源文件為GB2312格式的文本文件，且JSP源文件中有“中文”這兩個漢字

如果指定了＜JSP charset＞為GB2312。

JSP charset = GB2312時的變化過程

序號步驟說明結果

1 編寫JSP源文件，且存為GB2312格式 D6 D0 CE C4（D6D0=中 CEC4=文）
2 jspc把JSP源文件轉化為臨時JAVA文件，并把字符串按照GB2312映射到Unicode，并用UTF格式寫入JAVA文件中 E4 B8 AD E6 96 87
3 把臨時JAVA文件編譯成CLASS文件 E4 B8 AD E6 96 87
4 運行時，先從CLASS文件中用readUTF讀出字符串，在內存中的是Unicode編碼 4E 2D 65 87（在Unicode中4E2D=中 6587=文）
5 根據JSP charset=GB2312把Unicode轉化為字節流 D6 D0 CE C4
6 把字節流輸出到IE中，并設置IE的編碼為GB2312（作者按：這個信息隱藏在HTTP頭中） D6 D0 CE C4
7 IE用“簡體中文”查看結果 “中文”（正確顯示）

如果指定了＜JSP charset＞為ISO8859-1。

JSP charset = ISO8859-1時的變化過程

序號步驟說明結果

1 編寫JSP源文件，且存為GB2312格式 D6 D0 CE C4（D6D0=中 CEC4=文）
2 jspc把JSP源文件轉化為臨時JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式寫入JAVA文件中 C3 96 C3 90 C3 8E C3 84
3 把臨時JAVA文件編譯成CLASS文件 C3 96 C3 90 C3 8E C3 84
4 運行時，先從CLASS文件中用readUTF讀出字符串，在內存中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4（啥都不是！！！）
5 根據JSP charset=ISO8859-1把Unicode轉化為字節流 D6 D0 CE C4
6 把字節流輸出到IE中，并設置IE的編碼為ISO8859-1（作者按：這個信息隱藏在HTTP頭中） D6 D0 CE C4
7 IE用“西歐字符”查看結果亂碼，其實是四個ASCII字符，但由于大于128，所以顯示出來的怪模怪樣
8 改變IE的頁面編碼為“簡體中文” “中文”（正確顯示）

奇怪了！為什么把＜JSP charset＞設成GB2312和ISO8859-1是一個樣的，都能正確顯示？只不過當指定為ISO8859-1時，要增加第8步操作，殊為不便。

再看看不指定＜JSP charset＞時的情況。

未指定JSP charset 時的變化過程

序號步驟說明結果

1 編寫JSP源文件，且存為GB2312格式 D6 D0 CE C4（D6D0=中 CEC4=文）
2 jspc把JSP源文件轉化為臨時JAVA文件，并把字符串按照ISO8859-1映射到Unicode，并用UTF格式寫入JAVA文件中 C3 96 C3 90 C3 8E C3 84
3 把臨時JAVA文件編譯成CLASS文件 C3 96 C3 90 C3 8E C3 84
4 運行時，先從CLASS文件中用readUTF讀出字符串，在內存中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4
5 根據JSP charset=ISO8859-1把Unicode轉化為字節流 D6 D0 CE C4
6 把字節流輸出到IE中 D6 D0 CE C4
7 IE用發出請求時的頁面的編碼查看結果視情況而定。

Servlet：源文件為JAVA文件，格式是GB2312，源文件中含有“中文”這兩個漢字

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

Compile-charset=Servlet-charset=GB2312 時的變化過程

序號步驟說明結果

1 編寫Servlet源文件，且存為GB2312格式 D6 D0 CE C4（D6D0=中 CEC4=文）
2 用javac ?encoding GB2312把JAVA源文件編譯成CLASS文件 E4 B8 AD E6 96 87　（UTF）
3 運行時，先從CLASS文件中用readUTF讀出字符串，在內存中的是Unicode編碼 4E 2D 65 87 (Unicode)
4 根據Servlet-charset=GB2312把Unicode轉化為字節流 D6 D0 CE C4 (GB2312)
5 把字節流輸出到IE中并設置IE的編碼屬性為Servlet-charset=GB2312 D6 D0 CE C4 (GB2312)
6 IE用“簡體中文”查看結果 “中文”（正確顯示）

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

Compile-charset=Servlet-charset=ISO8859-1時的變化過程

序號步驟說明結果

1 編寫Servlet源文件，且存為GB2312格式 D6 D0 CE C4（D6D0=中 CEC4=文）
2 用javac ?encoding ISO8859-1把JAVA源文件編譯成CLASS文件 C3 96 C3 90 C3 8E C3 84　（UTF）
3 運行時，先從CLASS文件中用readUTF讀出字符串，在內存中的是Unicode編碼 00 D6 00 D0 00 CE 00 C4
4 根據Servlet-charset=ISO8859-1把Unicode轉化為字節流 D6 D0 CE C4
5 把字節流輸出到IE中并設置IE的編碼屬性為Servlet-charset=ISO8859-1 D6 D0 CE C4 (GB2312)
6 IE用“西歐字符”查看結果亂碼
7 改變IE的頁面編碼為“簡體中文” “中文”（正確顯示）

如果不指定Compile-charset或Servlet-charset，其默認值均為ISO8859-1。

當Compile-charset=Servlet-charset時，第2步和第4步能互逆，“抵消”，顯示結果均能正確。讀者可試著寫一下Compile-charset＜＞Servlet-charset時的情況，肯定是不正確的。

當輸出對象是數據庫時

輸出到數據庫時，原理與輸出到瀏覽器也是一樣的。本節只是Servlet為例，JSP的情況請讀者自行推導。

假設有一個Servlet，它能接收來自客戶端（IE，簡體中文）的漢字字符串，然后把它寫入到內碼為ISO8859-1的數據庫中，然后再從數據庫中取出這個字符串，顯示到客戶端。

輸出對象是數據庫時的變化過程（1）

序號步驟說明結果域

1 在IE中輸入“中文” D6 D0 CE C4 IE
2 IE把字符串轉變成UTF，并送入傳輸流中 E4 B8 AD E6 96 87
3 Servlet接收到輸入流，用readUTF讀取 4E 2D 65 87(unicode) Servlet
4 編程者在Servlet中必須把字符串根據GB2312還原為字節流 D6 D0 CE C4
5 編程者根據數據庫內碼ISO8859-1生成新的字符串 00 D6 00 D0 00 CE 00 C4
6 把新生成的字符串提交給JDBC 00 D6 00 D0 00 CE 00 C4
7 JDBC檢測到數據庫內碼為ISO8859-1 00 D6 00 D0 00 CE 00 C4 JDBC
8 JDBC把接收到的字符串按照ISO8859-1生成字節流 D6 D0 CE C4
9 JDBC把字節流寫入數據庫中 D6 D0 CE C4
10 完成數據存儲工作 D6 D0 CE C4 數據庫
以下是從數據庫中取出數的過程
11 JDBC從數據庫中取出字節流 D6 D0 CE C4 JDBC
12 JDBC按照數據庫的字符集ISO8859-1生成字符串，并提交給Servlet 00 D6 00 D0 00 CE 00 C4 (Unicode)
13 Servlet獲得字符串 00 D6 00 D0 00 CE 00 C4 (Unicode) Servlet
14 編程者必須根據數據庫的內碼ISO8859-1還原成原始字節流 D6 D0 CE C4
15 編程者必須根據客戶端字符集GB2312生成新的字符串 4E 2D 65 87（Unicode）
Servlet準備把字符串輸出到客戶端
16 Servlet根據＜Servlet-charset＞生成字節流 D6D0 CE C4 Servlet
17 Servlet把字節流輸出到IE中，如果已指定＜Servlet-charset＞，還會設置IE的編碼為＜Servlet-charset＞ D6 D0 CE C4
18 IE根據指定的編碼或默認編碼查看結果 “中文”（正確顯示） IE

解釋一下，第4第5步和第15第16步是用紅色標記的，表示要由編碼者來作轉換。第4、5兩步其實就是一句話：“new String(source.getBytes("GB2312"), "ISO8859-1")”。第15、16兩步也是一句話：“new String(source.getBytes("ISO8859-1"), "GB2312")”。親愛的讀者，你在這樣編寫代碼時是否意識到了其中的每一個細節呢？

至于客戶端內碼和數據庫內碼為其它值時的流程，和輸出對象是系統控制臺時的流程，請讀者自己想吧。明白了上述流程的原理，相信你可以輕松地寫出來。

行文至此，已可告一段落了。終點又回到了起點，對于編程者而言，幾乎是什么影響都沒有。

因為我們早就被告之要這么做了。

以下給出一個結論，作為結尾。

1、在Jsp文件中，要指定contentType，其中，charset的值要與客戶端瀏覽器所用的字符集一樣；對于其中的字符串常量，不需做任何內碼轉換；對于字符串變量，要求能根據ContentType中指定的字符集還原成客戶端能識別的字節流，簡單地說，就是“字符串變量是基于＜JSP charset＞字符集的”；

2、在Servlet中，必須用HttpServletResponse.setContentType()設置charset，且設置成與客戶端內碼一致；對于其中的字符串常量，需要在Javac編譯時指定encoding，這個encoding必須與編寫源文件的平臺的字符集一樣，一般說來都是GB2312或GBK；對于字符串變量，與JSP一樣，必須“是基于＜Servlet-charset＞字符集的”。

【編輯推薦】

詳解JSP中調用JavaBean
JSP開發環境的搭建
解決JSP開發Web程序中文顯示三種方法
開發JSP HTTP服務器
JSP、ASP和PHP安全編程

責任編輯：佚名來源：百度博客

JSP charset