如何对 HTTP 请求中的字符编码进行正确的处理

1. 什么是URL编码。

URL编码是一种浏览器用来打包表单输入的格式，浏览器从表单中获取所有的name和其对应的value，将他们以name/value编码方式作为URL的一部分或者分离的发送到服务器上。

2. URL编码规则。

每对name/value由&分开，每对来自表单的name/value用=分开。如果用户没有输入值的那个name依旧会出现不过就是没有值。

URL编码是在字符ASCII码的十六进制数的前面加上%。例如\（她的十六进制数表示为5c）的URL编码就是%5c。

3. 简单介绍乱码和http请求

其实做web开发乱码问题是经常出现的，有了上面编码的基础之后下面来看看乱码。

1) 乱码问题是web开发过程中经常遇到的问题，主要原因就是URL中使用了非ASCII码造成服务器后台程序解析出现乱码的问题。

2) URL中最容易出现中文的地方就是在QueryString的参数值还有Servletpath中。

3) 简单用一个图来说明一下http请求的流程：

第一步：浏览器把URL经过编码送给服务器；

第二步：服务器把这些请求解码处理完毕之后将显示的内容进行编码发送给客户端浏览器；

第三步：浏览器按照指定的编码显示网页

4) 详细剖析GET提交如何编码以及服务器如何解码以及乱码解决方案

对于GET方式，我们知道它的提交是将请求数据附加到URL后面作为参数，这样依赖乱码就会很容易出现，因为数据name和value很有可能就是传递的为非ASCII码。

当URL拼接后，浏览器对其进行encode，然后发送到服务器。具体规则见URL编码规则。

这里详细说一下encode的过程中容易出现的问题，在这个过程中我们要明白需要URL encode的字符一般都是非ASCII码字符，所以我们就能知道出现乱码主要是URL中附加了中文或特殊字符做成的，另一个要知道URL encode到底是以什么样的编码方式对字符进行编码的，其实这个编码方式是由浏览器决定的，不同的浏览器和同一浏览器的不同设置影响了URL的编码，所以为了避免我们不需要的编码，我们可以通过java代码或javaspcript代码统一进行控制。

完成了URL encode之后URL就成了ASCII范围内的字符了，然后就以iso-8859-1的编码方式转换为二进制随着请求头一起发送出去。

到了服务器之后，首先服务器会先用iso-8859-1进行解码，服务器获取的数据都是ASCII范围内的请求头字符，其中请求URL里面带有参数数据，如果是中卫或特殊字符，那么encode后的%XY（编码规则中的十六进制数）通过request.setCharacterEncoding()是不管用的。这时候我们就能发现出现乱码的根本原因就是客户端一般是通过用UTF-8或GBK等对数据进行encode的，到了服务器却用iso-8859-1方式decoder显然不行。

这里的解决方式有两种，

一种：是通过String类的getBytes方法进行编码转换，具体java代码是：

new String(request.getParameter(“name”).getBytes(“iso-8859-1”),“客户端编码方式”)

第二种：在服务器xml代码中改配置信息：

<Connector port="8080"protocol="HTTP/1.1" maxThreads="150" connectionTimeout="20000"

redirectPort="8443"URIEncoding="客户端编码"/>

5) 详细剖析POST提交如何编码以及服务器如何解码以及乱码解决方案

对于POST方式，表单中的参数值对是通过request包发送给服务器，此时浏览器会根据网页的ContentType("text/htmlcharset=GBK")中指定的编码进行对表单中的数据进行编码，然后发给服务器。

在服务器端的程序中我们可以通过

Request.setCharacterEncoding()设置编码，然后通过

request.getParameter获得正确的数据。

这里出现乱码可以通过Request.setCharacterEncoding()直接解决。

百度空间吃楼

问题请参阅 《深入浅出URL编码》@杨争的专栏 ，讲的很细致，赞

url放参考里了，希望没被吃掉。

-------------10/03-------------

编码问题是比较复杂，对于该程序，已知的情况是：

servlet的编码 UTF-16，且以方式gb2312接受服务器传递的字符串

web服务器的编码 ？？？（可能与OS有关）

js的编码 ？？？

网页的编码 ？？？

网页声明的编码 gbk

我知道的情况是：浏览器使用网页声明的或事实上的编码解释页面和运行js。js用其本身的或声明的编码格式发送信息至web服务器。web服务器识别或不识别该信息编码，将其转换或不转换为web服务器使用的编码并发送给servlet。servlet以setContentType设置的方式读取web服务器传来的信息，并转换为UTF-16，之后与同样UTF-16的"admin"比较并输出。

注：是否识别或转换基于其设计和运行策略。

可以看到，这里面的编码转换是很麻烦的，推荐纯utf8，一劳永逸且有国际化特点。另外js可以使用jQuery等轻量级库，简单方便。

那一堆设置只要

$.post("ajaxXml", { "umane" : uname },function(data){

alert("来自服务器的消息："+data)

}

}

就可以了

我们都知道，计算机使用 0 和 1 来存储文本。比如字符「C」被存成「01000011」，那么计算机在显示这个字符时需要经过两个步骤：

1、计算机读取「01000011」，得到数字 67，因为 67 被编码成「01000011」。

2、计算机在 Unicode 字符集中查找 67，找到了「C」。

同样的：

1、我的电脑将「C」映射成 Unicode 字符集中的 67。

2、我的电脑将 67 编码成「01000011」，并发送给 Web 服务器。

几乎所有的网络应用都使用了 Unicode 字符集，因为没有理由使用其他字符集。

Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32，每个字符使用 32 位。这样做最简单，因为一直以来，计算机将 32 位视为数字，而计算机最在行的就是处理数字。但问题是，这样太浪费空间了。

UTF-8 可以节省空间，在 UTF-8 中，字符「C」只需要 8 位，一些不常用的字符，比如「」需要 32 位。其他的字符可能使用 16 位或 24 位。一篇类似本文这样的文章，如果使用 UTF-8 编码，占用的空间只有 UTF-32 的四分之一左右。

摘自： https://mp.weixin.qq.com/s?__biz=MjM5ODQ2MDIyMA==&mid=2650714434&idx=1&sn=9554fdd30f76c2293a3063396acbde09&chksm=bec07f1189b7f6073ef39cd24595b18a34d47e32dd078947f2ac29dc8d5faeb1ea93912b2ec9&mpshare=1&scene=23&srcid=07190hlGJHUQgoPwJEly6kjA#rd

---