如何正确读取 serlvet 中的 utf-8 字符串？ [复制]答案

【问题标题】：How to read right a utf-8 string in the serlvet? [duplicate]如何正确读取 serlvet 中的 utf-8 字符串？ [复制]
【发布时间】：2015-07-17 15:49:40
【问题描述】：

在您将我的问题标记为与this 问题重复之前，我想说我已阅读它以及此post。

但是，我做错了，我继续以错误的格式从我的 jsp 中的表单中读取数据（使用 POST 方法）。我做了什么：

1.在我的 JSP 中，我把这个

<%@page contentType="text/html" pageEncoding="UTF-8" language="java" %>

在标题中这个<meta charset="UTF-8">

2.在servlet中

protected void processRequest(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {

        //...        
        //code
        //...

        request.setCharacterEncoding("UTF-8");

        /*if (request.getCharacterEncoding() == null) {
                request.setCharacterEncoding("UTF-8");
         }
       */
       //...
       //code
       //...

       s1 = request.getParameter(kname1); //<-here I read the value from the JSP and get finally this ÎÏÎ´ÏÎ±Î´Î±Ï 

}

3. 在 web.xml 我有<?xml version="1.0" encoding="UTF-8"?>

我在这里错过了什么？？

【问题讨论】：

试试这个：s1 = new String(request.getParameter(kname1).getBytes(),"utf-8");
也打印这个：request.getParameter(kname1).getBytes();，那么你可以从字节中找出问题所在。（删除if (request.getCharacterEncoding() == null) { request.setCharacterEncoding("UTF-8"); }
您要发布表格吗？ kname1 应该在正文中还是在查询字符串中？
@SotiriosDelimanolis kname1 是一个字符串变量。我正在尝试阅读一个希腊词... @nafas 我有一点改进。从这个 ÎÏÎ´ÏÎ±Î´Î±Ï 现在我得到 α�?δα�?δ 。在日志中我得到 [B@24803429
我问它是从哪里来的？

标签： java jsp servlets encoding utf-8

【解决方案1】：

HTML 是否正确？

您似乎在使用 HTML5

<%@page contentType="text/html" pageEncoding="UTF-8" language="java"
%><!DOCTYPE html>
<html>
  <head>
    <meta charset="UTF-8">
    <title>...</title>
  </head>
  <body>
    <form accept-charset="UTF-8" ...>
    ...
  </body>
</html>

表单标签中的指示允许将未转义的 UTF-8 输入发送到服务器。否则你可能会得到&#8085; 或类似的东西。 （好像不是这样的。）

你可能会检查一些东西，比如

<input name="test" type="hidden" value="\u0109ĉ">

应该给"ĉĉ"。

使用 POST 和 GET 方法的表单之间存在差异，现在在固定编码功能之前检查它们。

在服务器中的请求编码？

检查request.getCharacterEncoding() == null。否则某些过滤器可能会干扰。编码的设置只能在最初进行。也许 servlet 被转发到，或者其他什么。

转换可能发生在任何地方，尤其是在查看文本时。所以尽可能纯粹地转储请求参数：

String s = request.getParameter("test");
for (char ch : s.toCharArray()) {
    printf("\\u%04x ", 0xFFFF & (int)ch);
}
println();

【讨论】：

我创建了一个过滤器，它起作用了。
元字符集和表单接受字符集在通过 HTTP 提供的 HTML 页面中毫无意义。由于 OP 使用 JSP/Servlet，因此 OP 很可能使用 HTTP 来提供 HTML 页面。然后，一般理智的 HTTP 客户端将使用 HTTP 响应标头中指定的字符集，而忽略 HTML 中指定的字符集。由于 OP（正确）在 JSP 中使用了 pageEncoding="UTF-8"，因此它肯定存在于 HTTP 响应标头中。此外，即使这不存在，表单 accept-charset 也只会被 MSIE 浏览器考虑，即使这样它也做错了（它错误地将 ISO-8859-1 替换为 CP-1252）。永远不要使用它。
所以，对传播这种错误信息投反对票。
@BalusC 是的，HTTP 标头会覆盖 HTML 中的元信息。它们仍然有意义，例如在将 HTML 保存在磁盘上时。 ISO-8859-1 (Latin-1) 几乎在每个浏览器中都被理解为 CP-1252 (Windows Latin-1)，即使在 Linux 和 Mac 上也是如此。 HTML 5 甚至规定了这种解释。虽然不赞成投票的一个很好的理由是，这似乎是一个重复的问题。而这还不够充分。