Java Servlet/Jsp多語言解決方案

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（我覺得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Un
icode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Un
icode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，Jav
a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GB2
312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"----->"\u4e2d\u6587\u6d4b\u8bd5"--
--->"中文測試"。
如下例程：
byte[] bytes = new byte[]{(byte)0xd6, (byte)0xd0, (byte)0xce, (byte)0xc4, (b
yte)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. Inpu
tStreamReader (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："\u4e2d\u6587\u6d4
b\u8bd5"，打印時轉(zhuǎn)換為操作系統(tǒng)的默認字符集，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)容依照當前頁面的編碼字符集u
rlencode之后再提交，服務(wù)器端得到是urlencoding的字符串。編碼后得到的urlencodi
ng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�讓Html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-La
nguage請求投標，我們知道僅靠這個投標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?shù)刈址�，那么�?
會導(dǎo)致垃圾信息。
　　在我提出的這個解決方案里，已經(jīng)指定了采用Utf8編碼，所以，可以避免這個問題
，我們可以自己定制出decode方法：
public static String decode(String s,String encoding) throws Exception {
StringBuffer sb = new StringBuffer();
for(int i=0; i<s.length(); i++) {
char c = s.charAt(i);
switch (c) {
case '+':
sb.append(' ');
break;
case '%':
try {
sb.append((char)Integer.parseInt(
s.substring(i+1,i+3),16));
}
catch (NumberFormatException e) {
throw new IllegalArgumentException();
}
i += 2;
break;
default:
sb.append(c);
break;
}
}
// Undo conversion to external encoding
String result = sb.toString();
byte[] inputBytes = result.getBytes("8859_1");
return new String(inputBytes,encoding);
}
　　這個方法可以指定encoding，如果把它指定為UTF8就滿足了我們的需要。比如用它
解析："%E4%B8%AD%E6%96%87%E6%B5%8B%E8%AF%95"就可以得到正確的漢字"中文測試"的
Unicode字符串。
現(xiàn)在的問題就是我們必須得到客戶端提交的Urlencode的字符串。對于method為get的fo
rm提交的信息，可以用HttpServletRequest.getQueryString()方法讀到，而對于post方
法的form提交的信息，只能從ServletInputStream中讀到，事實上標準的getParameter
方法被第一次調(diào)用后，form提交的信息就被讀取出來了，而ServletInputStream是不能
重復(fù)讀出的。所以我們應(yīng)在第一次使用getParameter方法前讀取并解析form提交的信息
。