Tomcat处理编码的流程

glcui

　　Tomcat是如何处理query/post的编码问题的？
首先我们看看get方式时，tomcat如何获取querystring。
比如我们的url是：http://abc.com/?keywords=%C6%A1%BE%C6    (其中%C6%A1%BE%C6是啤酒的GBK的URLEncode编码)
当请求来到服务器的tomcat(也可以说是Servlet)这一层面时，我们可以通过request获取这个keywords。获取的方式有两种：
(1) 直接使用getParameter("keywords")得到keywords参数
(2) 先使用getQueryString()，再手动解析出keywords参数
我们看看这两种方式。
(1) getParameter("keywords")
这里涉及config/server.xml中URIEncode的配置项，假设我没对tomcat作任何URIEncoding的配置，它默认使用ISO-8859-1的编码。
       当访问http://localhost/?keywords=%C6%A1%BE%C6后，我们试图打印出getParameter("keywords")的值，你猜看到什么？乱码！
我们试图质问tomcat：“为什么是乱码？！如果我输入的keywords是“啤酒”这样的字符，得到乱码我可以接受，但是我输入的可是“%C6%A1%BE%C6”这样一串ISO-8859-1编码的字符啊！
有人猜测，那是浏览器在搞鬼，浏览器发送的不是“%C6%A1%BE%C6”这样的可见字符的，而是发送“啤酒”这个非ascii字符(当然，我们应该理解本质上传送的“啤酒”肯定是“啤酒”的某某编码格式的字节码，这个编码可以是常见的GBK或UTF-8)。
但是，其实不是浏览器搞鬼，浏览器发送的就是“%C6%A1%BE%C6”，你可以通过打印request.getQueryString();看到，它输出“keywords=%C6%A1%BE%C6”。
那到底是怎么回事呢？
源于tomcat对表单提交的参数(包括Get方式和Post方式)有个UDecode类的处理过程。什么是UDecode类的处理过程，详细你可以看tomcat源码的UDecode类，这里用简单的一句话概括UDecode类做的事情：修改request中的parameter(包括get方式的url参数的value和post方式的application/x-www-form-urlencoded的参数的value)的字节, 将每1个“%HH”(占3个字节)变成“0xHH”(占1个字节)，且将加号"+"(占1个字节)变成空格“ ”(占1个字节)。下面的图直观的描述了这个UDecode过程：
http://hiphotos.baidu.com/atell/pic/item/a7c3ff36a0cb837d5ab5f5e7.jpg
我们看到6个字节的“%D6%D0”变成了2个字节的“[0xD6][0xD0]”，我用中括号“[ ]”来表示其中的内容合起来是一个字节。
     
到这里，我们至少知道了tomcat有个UDecode的过程，所以我们从中推理出这样的一个现象：客户端发送的keywords参数无论是啤酒的GBK字节码“[0xC6][0xA1][0xBE][0xC6]”还是啤酒的GBKURLEncode字符“%C6%A1%BE%C6”，经过tomcat的UDecode后，到变成前者，即“[0xC6][0xA1][0xBE][0xC6]”。

说到这，我再次问上面一开始的那个问题：getParameter("keywords")的值为什么是乱码？我给个提示：和UDecode有关！答案现在还不是很明显，但我们脑海可能浮现了这幅图：从UDecode的结果“[0xC6][0xA1][0xBE][0xC6]”到getParameter("keywords")的乱码。
http://hiphotos.baidu.com/atell/pic/item/e26677ee780ad17b24979147.jpg
你想到问号的部分是什么吗？很抽象地为你解开答案：
http://hiphotos.baidu.com/atell/pic/item/bc15c915c87c39474890a755.jpg

所以，getParameter("keywords")的值为什么是乱码？因为上面的bytes是GBK的字节码，而tomcat错误地将bytes作为ISO-8859-1进行解码了！难怪keywords会是乱码！

这...是tomcat的错吗？坦诚说不是，因为上面“String keywords = new String(bytes,"ISO-8859-1");”中的编码"ISO-8859-1"是可配置的，大家还记得config/server.xml中的URIEncode配置项吧？就是这个URIEncode配置项，决定是上面的式子用什么编码。

到了这里，大家都清楚了，设置配置项URIEncode=“GBK”就可以用getParameter("keywords")得到正确的keywords：“啤酒”。

另外配置项useBodyEncodingForURI使得
http://wiki.apache.org/tomcat/FAQ/CharacterEncoding#Q2
http://confluence.atlassian.com/display/DOC/Configuring+Tomcat%27s+URI+encoding
-------------------------------------------------------------------------------------------------------------------------






现在，我问大家一个问题，当你知道，浏览器无论访问“http://localhost/?keywords=%C6%A1%BE%C6” 还是 “http://localhost/?keywords=[0xC6][0xA1][0xBE][0xC6]”，tomcat都会将keywords变成“[0xC6][0xA1][0xBE][0xC6]”后，大家觉得要怎么去解码还原keywords为“啤酒”呢？
相信答案大家都很一致：
byte[] bit = new byte[]{(byte)0xD6,(byte)0xD0}; "中"的字节码，是URLDecode之后的字节码
String w = new String(bit, "GBK");  用配置的URIEncoding将其解码，变成字符"中"
String ISOkeywords = request.getParameter("keywords");
String keywords = null;
request.getQueryString();//keywords=%C6%A1%BE%C6
if(StringUtil.isNotBlank(ISOkeywords)){
try {
keywords = new String(ISOkeywords.getBytes("ISO-8859-1"), "GBK");











http://hiphotos.baidu.com/atell/pic/item/cae89d92b03b0ccba877a40f.jpg