如何强制浏览器在内容类型 http 标头中设置字符集答案

【问题标题】：How to force browser to set charset in content-type http header如何强制浏览器在内容类型 http 标头中设置字符集
【发布时间】：2011-01-26 00:17:02
【问题描述】：

一个简单的 HTML 文件：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
</head>
<body>
<form method="POST" action="test.jsp" accept-charset="utf-8" method="post" enctype="application/x-www-form-urlencoded" >
    <input type="text" name="P"/>
    <input type="submit" value="subMit"/>
</form>
</body>
</html>

服务器使用标头Content-Type:text/html; charset=utf-8 提供HTML 文件。一切都说：“亲爱的浏览器，当您发布此表单时，请将其发布为 utf-8 编码”。浏览器实际上是这样做的。在输入字段中输入的每个值都将采用 UTF-8 编码。但是浏览器不会告诉服务器！ post 请求的 HTTP 标头将包含 Content-Type:application/x-www-form-urlencoded 字段，但字符集将被省略（已使用 FF3.6 和 IE8 测试）。

问题是我使用的应用程序服务器 (Tomcat6) 需要 Content-Type 标头中的字符集（如 RFC2388 中所述）。像这样：Content-Type:application/x-www-form-urlencoded;charset=utf-8。如果省略字符集，它将假定 ISO-8859-1 不是用于编码的字符集。结果是损坏的数据。

有人知道如何强制当前浏览器将字符集附加到 Content-Type 标头吗？

【问题讨论】：

我遇到了完全相同的问题，我已经在 google 群组上向 FF 询问了解决此问题的方法groups.google.com/group/mozilla.dev.platform/browse_thread/…

标签： tomcat forms post content-type character-encoding

【解决方案1】：

有人知道如何强制当前浏览器将字符集附加到 Content-Type 标头吗？

不，没有浏览器曾经提供带有application/x-www-form-urlencoded 媒体类型的charset 参数。更重要的是，定义该类型的 HTML 规范并没有提出 charset 参数，因此服务器无法合理地期望得到一个。

（HTML4 确实期望charset 用于multipart/form-data 提交的子部分，但即使在这种情况下，实际上也没有浏览器符合要求。）

accept-charset="utf-8"

accept-charset 在 IE 中已损坏，不应使用。对于以 UTF-8 格式提供的页面中的表单，这两种方式都不会产生影响，但在其他情况下，它可能会导致结果不一致。

不，对于表单，您只需将它们所在的页面作为 UTF-8 提供，结果应该以 UTF-8 形式返回（没有识别标记可以告诉您（_charset_ hack 可能除外），但 Tomcat 不支持）。

因此，如果您不希望 Servlet 容器回退到其默认值（这通常是错误的），您必须告诉 Servlet 容器对参数使用什么编码。在有限的情况下，您可以调用ServletRequest.setCharacterEncoding() 来执行此操作，但这往往很脆弱，并且对于从查询字符串中获取的参数根本不起作用。遗憾的是，没有针对此问题的标准化 Servlet 级别的修复。对于 Tomcat，您通常必须 muck about with the server.xml 而无法在应用程序中修复它。

【讨论】：

好答案，期待 Tomcat 部分。 ServletRequest#setCharacterEncoding() 实际上设置了用于解析请求 body 的字符集（换句话说：POST 参数），server.xml 中的URIEncoding 实际上设置了用于解析请求的字符集URI（换句话说：GET 参数）。由于他在示例中使用 POST，因此仅使用 ServletRequest#setCharacterEncoding() 就足够了。本文更多细节：balusc.blogspot.com/2009/05/…
足够了，它可能很脆弱。如果读取任何请求参数，将导致请求正文被读取和解码，之后对setCharacterEncoding的任何调用都将无效。一些鬼鬼祟祟的中间件组件很容易通过跳入并读取参数来搞砸事情......
您的意思是“http 规范”而不是“html 规范”，不是吗？实际上，http 规范说“必须使用适当的字符集值标记除 'ISO-8859-1' 或其子集以外的字符集中的数据。”在“3.7 媒体类型”部分：w3.org/Protocols/rfc2616/rfc2616-sec3.html#sec3.7
不，我的意思是 HTML 规范：HTTP 规范没有说明如何将表单数据编码到请求正文中。 RFC2616 中对 ISO-8859-1 的引用仅适用于那些定义了charset 参数的“某些媒体类型”； application/x-www-form-urlencoded 和 multipart/form-data 都没有定义一个，因此该规则不会影响表单提交。 form-urlencoded 甚至不包含任何直接的高字节，仅包含 % 编码的相同版本，因此即使有 charset 参数也不会受到影响。
同时multipart子部分的头部内容不受RFC2616影响，但受普通MIME头部规则的影响；应该可以根据 RFC2388（定义 multipart/form-data）为子部分指定编码，但没有浏览器这样做，很少有服务器会费心寻找它。（如果你尝试，奇怪的会坏掉，这就是为什么没有浏览器添加对它的支持。）