如何使UTF-8在Java Webapps中工作？

笪栋

2023-03-14

问题内容：

我需要在Java Web应用程序中使用UTF-8（servlets + JSP，不使用框架）以支持äöå常规芬兰语文本和西里尔字母，例如ЦжФ特殊情况。

我的设置如下：

开发环境：Windows XP
生产环境：Debian

使用的数据库：MySQL 5.x

用户主要使用Firefox2，但也使用Opera 9.x，FF3，IE7和Google Chrome访问该站点。

如何实现呢？

问题答案：

通常，字符äåö没问题，因为浏览器和Web应用程序的tomcat / java使用的默认字符集为latin1即。“理解”这些字符的ISO-8859-1。

要使UTF-8在Java + Tomcat + Linux / Windows + Mysql下工作，需要满足以下条件：

配置Tomcat的server.xml

必须配置连接器使用UTF-8编码url（GET请求）参数：

<Connector port="8080" maxHttpHeaderSize="8192"
 maxThreads="150" minSpareThreads="25" maxSpareThreads="75"
 enableLookups="false" redirectPort="8443" acceptCount="100"
 connectionTimeout="20000" disableUploadTimeout="true" 
 compression="on" 
 compressionMinSize="128" 
 noCompressionUserAgents="gozilla, traviata" 
 compressableMimeType="text/html,text/xml,text/plain,text/css,text/ javascript,application/x-javascript,application/javascript"
 URIEncoding="UTF-8"
/>

在上面的示例中，关键部分是URIEncoding =“ UTF-8”。这可以防止Tomcat将所有传入的GET参数处理为UTF-8编码。结果，当用户将以下内容写入浏览器的地址栏时：

 https://localhost:8443/ID/Users?action=search&name=*ж*

字符ж被当作UTF-8处理，并且被编码为％D0％B6（通常在到达服务器之前由浏览器访问）。

POST请求不受此影响。

CharsetFilter

然后是时候强制Java Web应用程序以UTF-8编码方式处理所有请求和响应了。这要求我们定义一个字符集过滤器，如下所示：

package fi.foo.filters;

import javax.servlet.*;
import java.io.IOException;

public class CharsetFilter implements Filter {

    private String encoding;

    public void init(FilterConfig config) throws ServletException {
        encoding = config.getInitParameter("requestEncoding");
        if (encoding == null) encoding = "UTF-8";
    }

    public void doFilter(ServletRequest request, ServletResponse response, FilterChain next)
            throws IOException, ServletException {
        // Respect the client-specified character encoding
        // (see HTTP specification section 3.4.1)
        if (null == request.getCharacterEncoding()) {
            request.setCharacterEncoding(encoding);
        }

        // Set the default response content type and encoding
        response.setContentType("text/html; charset=UTF-8");
        response.setCharacterEncoding("UTF-8");

        next.doFilter(request, response);
    }

    public void destroy() {
    }
}

此过滤器可确保如果浏览器未设置请求中使用的编码，则将其设置为UTF-8。

该过滤器完成的另一件事是设置默认响应编码，即。返回的html /所使用的编码。另一种方法是在应用程序的每个控制器中设置响应编码等。

该过滤器必须添加到web.xml或webapp的部署描述符中：

 <!--CharsetFilter start--> 

  <filter>
    <filter-name>CharsetFilter</filter-name>
    <filter-class>fi.foo.filters.CharsetFilter</filter-class>
      <init-param>
        <param-name>requestEncoding</param-name>
        <param-value>UTF-8</param-value>
      </init-param>
  </filter>

  <filter-mapping>
    <filter-name>CharsetFilter</filter-name>
    <url-pattern>/*</url-pattern>
  </filter-mapping>

可以在tomcat Wiki（http://wiki.apache.org/tomcat/Tomcat/UTF-8）中找到有关创建此过滤器的说明。

JSP页面编码

在你的web.xml中，添加以下内容：

<jsp-config>
    <jsp-property-group>
        <url-pattern>*.jsp</url-pattern>
        <page-encoding>UTF-8</page-encoding>
    </jsp-property-group>
</jsp-config>
另外，Web应用程序的所有JSP页面都需要在其顶部具有以下内容：

 <%@page pageEncoding="UTF-8" contentType="text/html; charset=UTF-8"%>

如果使用具有不同JSP片段的某种布局，则所有这些都需要。

HTML元标记

JSP页面编码告诉JVM以正确的编码处理JSP页面中的字符。然后是时候告诉浏览器html页面的编码方式了：

这是通过在webapp生成的每个xhtml页面顶部执行以下操作来完成的：

   <?xml version="1.0" encoding="UTF-8"?>
   <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
   <html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fi">
   <head>
   <meta http-equiv='Content-Type' content='text/html; charset=UTF-8' />
   ...

JDBC连接

使用数据库时，必须定义该连接使用UTF-8编码。可以在context.xml或在以下定义的JDBC连接处完成：

      <Resource name="jdbc/AppDB" 
        auth="Container"
        type="javax.sql.DataSource"
        maxActive="20" maxIdle="10" maxWait="10000"
        username="foo"
        password="bar"
        driverClassName="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost:3306/      ID_development?useEncoding=true&amp;characterEncoding=UTF-8"
    />

MySQL数据库和表

使用的数据库必须使用UTF-8编码。这是通过使用以下内容创建数据库来实现的：

   CREATE DATABASE `ID_development` 
   /*!40100 DEFAULT CHARACTER SET utf8 COLLATE utf8_swedish_ci */;

然后，所有表也都必须使用UTF-8：

   CREATE TABLE  `Users` (
    `id` int(10) unsigned NOT NULL auto_increment,
    `name` varchar(30) collate utf8_swedish_ci default NULL
    PRIMARY KEY  (`id`)
   ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_swedish_ci ROW_FORMAT=DYNAMIC;

关键部分是CHARSET = utf8。

MySQL服务器配置

还必须配置MySQL serveri。通常，这是在Windows中通过修改my.ini -file和在Linux中通过配置my.cnf -file来完成的。在这些文件中，应该定义所有连接到服务器的客户端都使用utf8作为默认字符集，并且服务器使用的默认字符集也是utf8。

   [client]
   port=3306
   default-character-set=utf8

   [mysql]
   default-character-set=utf8

MySQL的程序和功能

这些还需要定义字符集。例如：

   DELIMITER $$

   DROP FUNCTION IF EXISTS `pathToNode` $$
   CREATE FUNCTION `pathToNode` (ryhma_id INT) RETURNS TEXT CHARACTER SET utf8
   READS SQL DATA
   BEGIN

    DECLARE path VARCHAR(255) CHARACTER SET utf8;

   SET path = NULL;

   ...

   RETURN path;

   END $$

   DELIMITER ;

GET请求：latin1和UTF-8

如果并且在tomcat的server.xml中定义了GET请求参数以UTF-8编码时，以下GET请求将得到正确处理：

   https://localhost:8443/ID/Users?action=search&name=Petteri
   https://localhost:8443/ID/Users?action=search&name=ж

由于latin1和UTF-8均以相同的方式编码ASCII字符，因此正确处理了字符串“ Petteri”。

拉丁语中完全不了解西里尔字母ж。由于指示Tomcat将请求参数处理为UTF-8，因此它将该字符正确编码为％D0％B6。

如果并且当指示浏览器读取UTF-8编码的页面（带有请求标头和html meta-tag）时，至少Firefox 2/3和此期间的其他浏览器都将字符本身编码为％D0％B6。

最终结果是，找到了所有名称为“ Petteri”的用户，还找到了所有名称为“ж”的用户。

But what about äåö?

HTTP规范定义默认情况下，URL编码为latin1。这导致firefox2，firefox3等对以下内容进行编码

    https://localhost:8443/ID/Users?action=search&name=*Päivi*

进入编码版本

https://localhost:8443/ID/Users?action=search&name=*P%E4ivi*

在latin1中，字符ä编码为％E4。即使页面/请求/所有内容都定义为使用UTF-8。ä的UTF-8编码版本为％C3％A4

结果是，由于某些字符在latin1中编码，而另一些字符在UTF-8中编码，因此webapp完全不可能正确地处理GET请求中的请求参数。注意：如果页面被定义为UTF-8，则POST请求确实可以工作，因为浏览器完全以UTF-8格式编码来自表单的所有请求参数

读物

非常感谢以下作者为我的问题提供答案：

http://tagunov.tripod.com/i18n/i18n.html
http://wiki.apache.org/tomcat/Tomcat/UTF-8
http://java.sun.com/developer/technicalArticles/Intl/HTTPCharset/
http://dev.mysql.com/doc/refman/5.0/en/charset-syntax.html
http://cagan327.blogspot.com/2006/05/utf-8-encoding-fix-tomcat-jsp-etc.html
http://cagan327.blogspot.com/2006/05/utf-8-encoding-fix-for-mysql-tomcat.html
http://jeppesn.dk/utf-8.html
http://www.nabble.com/request-parameters-mishandle-utf-8-encoding-td18720039.html
http://www.utoronto.ca/webdocs/HTMLdocs/NewHTML/iso_table.html
http://www.utf8-chartable.de/

重要的提示
mysql支持使用3字节UTF-8字符的基本多语言平面。如果你不希望这样做（某些字母需要超过3个字节的UTF-8字节），则需要使用一种VARBINARY列类型的样式或使用utf8mb4字符集（这需要MySQL 5.5.3或更高版本）。请注意，使用utf8MySQL中的字符集无法100％地工作。

Tomcat与Apache

还有一件事，如果你使用的是Apache + Tomcat + mod_JK连接器，则还需要进行以下更改：

将URIEncoding =“ UTF-8”添加到8009连接器的tomcat server.xml文件中，由mod_JK连接器使用。 <Connector port="8009" protocol="AJP/1.3" redirectPort="8443" URIEncoding="UTF-8"/>
转到你的apache文件夹即/etc/httpd/conf添加AddDefaultCharset utf-8在httpd.conf file。注意：首先检查它是否存在。如果存在，你可以使用此行对其进行更新。你也可以在底部添加此行。
分享改善这个答案

如何使UTF-8在Java Webapps中工作？

相关阅读

相关文章

相关问答

相关工具

相关文档