剖析JSP和Servlet对中文的处理（1） (1)

Java程序员都曾遇到过这样的问题：输入的中文不能正确显示在界面上，保存在数据库中的也是一堆乱码，或者数据库或数据文件中存放的是正确的中文，可是在Java程序中看到的却是一大串的“？”。
　　这就是通常所说的“中文问题”。
　　Java中与中文相关的编码
　　在JDK中，提供了对大多数常用语言的支持。在解决“中文问题”时，表1中的编码是最常用，或者就是最有关系的。
　　表1　JDK中与中文相关的编码列表
　　　
　　在实际编程时，接触得比较多的是GB2312（GBK）和ISO8859-1。
　　注：UTF是Unicode Transformation Format的缩写，意为Unicode转换格式。可以这么描述JAVA程序中Unicode与UTF的关系，虽然不绝对。字符串在内存中运行时，表现为Unicode代码，而当要保存到文件或其它介质中去时，用的是UTF。这个转化过程是由writeUTF和readUTF来完成得。
　　Servlet/JSP对中文的处理过程
　　总体流程
　　把问题想成是一个黑匣子。先看黑匣子的一级表示（如图1所示）：
　　　
　　图1 IPO模型
　　这就是一个IPO模型，即输入、处理和输出。同样的内容要经过“从charsetA到Unicode再到charsetB”的转化。
　　再看二级表示（如图2所示）：
　　　
　　图2 JSP、Java输出模型
　　在这个图中，输入的是JSP和Java源文件。在处理过程中，以Class文件为载体，然后输出。再细化到三级（如图3所示）：
　　　
　　图3 IPO模型
　　JSP文件先生成中间的Java文件，再生成Class。而Servlet和普通App则直接编译生成Class,然后，从Class再输出到浏览器、控制台或数据库等。
　　JSP：从源文件到Class的过程
　　
　　JSP源文件是以“.jsp”结尾的文本文件。在本节中，将阐述JSP文件的解释和编译过程，并跟踪其中中文内容的变化。
　　
　　一般地，JSP源文件经过如下步骤后变成可被引擎执行的Class文件：
　　
　　1. JSP/Servlet引擎提供的JSP转换工具（JSPC）搜索JSP文件中用<%@ page contentType ="text/html; charset="%>中指定的charset。如果在JSP文件中未指定，则默认为ISO8859-1(或者说是Latin-1)。
　　
　　2. JSPC用相当于“Javac -encoding ”解释JSP文件中出现的所有字符，包括中文字符和ASCII字符。然后把这些字符转换成Unicode字符，再转化成UTF格式，存为Java文件。ASCII码字符转化为Unicode字符时只是简单地在前面加“00”，如“A”，转化为“\u0041”。然后，经过了UTF的转换，又变回“41”了。这也就是可以使用普通文本编辑器查看由JSP生成的Java文件的原因。
　　
　　3. 引擎用相当于“Javac -encoding UTF-8”的命令，把Java文件编译成Class文件。
　　
　　先看一下这些过程中中文字符的转换情况。有如下源代码：
　　
　　<%@ page contentType="text/html; charset=gb2312"%>
　　
　　<%
　　String a="中文";
　　out.println(a);
　　%>
　　
　　这段代码是在UltraEdit for Windows上编写的。保存后，“中文”两个字的16进制编码为“D6 D0 CE C4”（GB2312编码）。经查表，“中文”两字的Unicode编码为“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打开引擎生成的由JSP文件转变成的Java文件，发现其中的“中文”两个字的位置确实被“E4 B8 AD E6 96 87”替代了，再查看由Java