get请求中文乱码及get,post编码探究

在我使用get请求进行查询的时候遇到一个问题：
当我的请求参数中有中文时，出现乱码。
可是即使我设置了Spring的characterEncodingFilter，也还是出现乱码。
原因：tomcat默认使用ISO8859-1编码来解析get中的url参数，导致乱码。而characterEncodingFilter或者 request.setCharacterEncoding("UTF-8");都只针对post请求体有效。
下面对Http中get方法编码到tomcat的解码过程进行探究。

解决方法

1. 更改tomcat中get方法默认ISO8859-1编码为utf-8编码。
   找到conf/server.xml,在 <Connector port="8082" protocol="HTTP/1.1" 中加入 URIEncoding="utf-8"。
2. 将参数以iso8859-1编码转化为字节数组，然后再以UTF-8将字节数组转化为字符串。userName = new String(userName.getBytes("ISO8859-1"), "UTF-8");

URL是怎么编码的？

参考 关于URL编码

一般来说，URL只能使用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。比如，世界上有英文字母的网址"http://www.abc.com"，但是没有希腊字母的网址"http://www.aβγ.com"（读作阿尔法-贝塔-伽玛.com）。这是因为网络标准RFC 1738做了硬性规定。

这意味着，如果URL中有汉字，就必须编码后使用。但是麻烦的是，RFC 1738没有规定具体的编码方法，而是交给应用程序（浏览器）自己决定。这导致"URL编码"成为了一个混乱的领域。

不同的操作系统、不同的浏览器、不同的网页字符集，将导致完全不同的编码结果。经过测试，现在的浏览器大部分都是utf-8编码。但是为了兼容所有的浏览器，可以使用Javascript函数：encodeURI()。

encodeURI()是Javascript中真正用来对URL编码的函数。
它着眼于对整个URL进行编码，因此除了常见的符号以外，对其他一些在网址中有特殊含义的符号"; / ? : @ & = + $ , #"，也不进行编码。编码后，它输出符号的utf-8形式，并且在每个字节前加上%。

它对应的解码函数是decodeURI()。

tomcat是怎么解码的？

get请求是使用url编码方式，而post请求基于请求体自身的编码。

推荐

• get请求含有url参数时，使用js自带的编码函数进行编码。
• post请求在content-type中设置charset=utf-8，否则使用页面默认编码。

get方法的编码

查看tomcat源码中，org.apache.catalina.connector.CoyoteAdapter的方法：
使用在conf/server.xml中 <Connector port="8082" protocol="HTTP/1.1">配置的URIEncoding作为将前端传过来的参数转化为字符数组的编码，缺省为ISO8859-1。

protected void convertURI(MessageBytes uri, Request request)
    throws Exception {

    ByteChunk bc = uri.getByteChunk();
    int length = bc.getLength();
    CharChunk cc = uri.getCharChunk();
    cc.allocate(length, -1);
    // 使用默认编码 ISO8859-1 将字节数组编程字符
    String enc = connector.getURIEncoding();

    if (enc != null) {
        B2CConverter conv = request.getURIConverter();
        try {
            if (conv == null) {
                conv = new B2CConverter(enc, true);
                request.setURIConverter(conv);
            } else {
                conv.recycle();
            }
        } catch (IOException e) {
            log.error("Invalid URI encoding; using HTTP default");
            connector.setURIEncoding(null);
        }
        if (conv != null) {
            try {
                conv.convert(bc, cc, true);
                uri.setChars(cc.getBuffer(), cc.getStart(), cc.getLength());
                return;
            } catch (IOException ioe) {
                // Should never happen as B2CConverter should replace
                // problematic characters
                request.getResponse().sendError(
                        HttpServletResponse.SC_BAD_REQUEST);
            }
        }
    }

    // Default encoding: fast conversion for ISO-8859-1
    byte[] bbuf = bc.getBuffer();
    char[] cbuf = cc.getBuffer();
    int start = bc.getStart();
    for (int i = 0; i < length; i++) {
        cbuf[i] = (char) (bbuf[i + start] & 0xff);
    }
    uri.setChars(cbuf, 0, length);
}

post方法的字符编码

1. 如果在servlet的doPost方法中或者filter中设置了request的字符编码，那么就以设置的为准。

   • request设置编码

   public void doPost(HttpServletRequestrequest,HttpServletResponse response)
         throws IOException,ServletException{
   //必须在getParameter,getParameterNames,
   //getParameterValues方法调用之前进行设置
   request.setContentType("UTF-8");
   }
   

   • web.xml中配置filter

   <filter>
       <filter-name>SetCharacterEncoding</filter-name>
       <filter-class>org.apache.catalina.filters.SetCharacterEncodingFilter</filter-class>
       <init-param>
         <param-name>encoding</param-name>
         <param-value>UTF-8</param-value>
       </init-param>
   </filter>
   

2. 如果没有进行上面的配置，那么从http header中取出content-type,然后从content-type的值中取出charset的值，charset的值作为post的字符编码。
   如 content-type=application/x-www-form-urlencoded;charset=utf-8
   那么，post的字符编码就是utf-8。
   如果从http header中没有取到content-type中的charset，那么，就使用缺省的ISO-8859-1。

参考文档

1. 关于URL编码
2. get请求中url传参中文乱码问题--集锦