IDC资讯中心
我来说一下tomcat如何实现jsp的你就明白了。
预备知识：
1.字节和unicode
java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式
是使用字节流的。 因此java要对这些字节流经行转化。char是unicode的，而byte是字节.
java中byte/char互转的函数在sun.io的包中间有。其中bytetocharconverter类是中调度，
可以用来告诉你，你用的convertor。其中两个很常用的静态函数是
public static bytetocharconverter getdefault() ;
public static bytetocharconverter getconverter(string encoding);
如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用
8859_1
我们来就一个简单的例子：
"你"的gb码是：0xc4e3 ,unicode是0x4f60
你用:
–encoding="gb2312";
–byte b[]={(byte)\u00c4,(byte)\u00e3};
–convertor=bytetocharconverter.getconverter(encoding);
–char [] c=converter.convertall(b);
–for(int i=0;i<c.length;c++)
–{
– system.out.println(integer.tohexstring(c[i]));
–}
–打印出来是0x4f60
–但是如果使用8859_1的编码，打印出来是
–0x00c4,0x00e3
—-例１
反过来：
–encoding="gb2312";
char c[]={\u4f60};
convertor=bytetocharconverter.getconverter(encoding);
–byte [] b=converter.convertall(c);
–for(int i=0;i<b.length;c++)
–{
– system.out.println(integer.tohexstring(b[i]));
–}
–打印出来是：0xc4,0xe3
—-例２
–如果用8859_1就是0x3f，?号，表示无法转化 –
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类
不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding
了，直接用default的encoding，这就给我们移植带来了很多困难
–
2.utf-8
–utf-8是和unicode一一对应的，其实现很简单
–
— 7位的unicode: 0 _ _ _ _ _ _ _
–11位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
–16位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
–21位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
–大多数情况是只使用到16位以下的unicode:
–"你"的gb码是：0xc4e3 ,unicode是0x4f60
–我们还是用上面的例子
– –例１：0xc4e3的二进制：
– – 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1
– – 由于只有两位我们按照两位的编码来排，但是我们发现这行不通，
– – 因为第７位不是0因此，返回"?"
– –
– –例２：0x4f60的二进制：
– – 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0
– – 我们用utf-8补齐，变成：
– – 11100100 10111101 10100000
– – e4–bd– a0
– – 于是返回0xe4,0xbd,0xa0
– –
3.string和byte[]
–string其实核心是char[],然而要把byte转化成string，必须经过编码。
–string.length()其实就是char数组的长度，如果使用不同的编码，很可
–能会错分，造成散字和乱码。
–例：
—-byte [] b={(byte)\u00c4,(byte)\u00e3};
—-string str=new string(b,encoding); —-
—-如果encoding=8859_1，会有两个字，但是encoding=gb2312只有一个字 —-
–这个问题在处理分页是经常发生
4.reader,writer/inputstream,outputstream
–reader和writer核心是char，inputstream和outputstream核心是byte。
–但是reader和writer的主要目的是要把char读/写inputstream/outputstream
–一个reader的例子：
–文件test.txt只有一个"你"字，0xc4,0xe3–
–string encoding=;
–inputstreamreader reader=new inputstreamreader(
—-new fileinputstream("text.txt"),encoding);
–char []c=new char[10];
–int length=reader.read(c);
–for(int i=0;i<c.length;i++)
—-system.out.println(c[i]);
–如果encoding是gb2312，则只有一个字符，如果encoding=8859_1，则有两个字符
——–
—
—
—-
2.我们要对java的编译器有所了解：
–javac -encoding
我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。
如果没有指定encoding，则按照系统的默认encoding,gb平台上是gb2312，英文平台上是iso8859_1。
–java的编译器实际上是调用sun.tools.javac.main的类，对文件进行编译，这个类 –
有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。
编译器就是根据这个变量来读取java文件的，然后把用utf-8形式编译成class文件。
一个例子：
–public void test()
–{
—-string str="你";
—-filewriter write=new filewriter("test.txt");
—-write.write(str);
—-write.close();
–}
—-例３
–如果用gb2312编译，你会找到e4 bd a0的字段
—
–如果用8859_1编译，
–00c4 00e3的二进制：
–00000000 11000100 00000000 11100011–
–因为每个字符都大于7位，因此用11位编码：
–11000001 10000100 11000011 10100011
–c1– 84– c3– a3
–你会找到c1 84 c3 a3 —
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：
– 例３在中文平台上编译，生成zhclass
– 例３在英文平台上编译，输出enclass
–1. zhclass在中文平台上执行ok,但是在英文平台上不行
–2. enclass在英文平台上执行ok,但是在中文平台上不行
原因：
–1.在中文平台上编译后，其实str在运行态的char[]是0x4f60, —-
–在中文平台上运行，filewriter的缺省编码是gb2312,因此
–chartobyteconverter会自动用调用gb2312的converter,把str转化
–成byte输入到fileoutputstream中，于是0xc4,0xe3放进了文件。
–但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1,
–filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会
–输出"?" —-
–2. 在英文平台上编译后，其实str在运行态的char[]是0x00c4 0x00e3, —-
–在中文平台上运行，中文无法识别，因此会出现??
– 在英文平台上，0x00c4–>0xc4,0x00e3->0xe3，因此0xc4,0xe3被放进了
–文件
—-
1.对于jsp正文的解释：
–tomcat首先看一下你的叶面中有没有"<%@page include的符号。有，则在相同
–地方设定response.setcontenttype(..);按照encoding的来读，没有他按照8859_1
–读取文件，然后用utf-8写成.java文件，然后用sun.tools.main去读取这个文件，
–（当然它使用utf-8去读），然后编译成class文件
–setcontenttype改变的是out的属性，out变量缺省的encoding是8859_1
2.对parameter的解释
–很不幸parameter只有iso8859_1的解释，这个质料可以在servlet的实现代码中找到。
3.对include的解释
格式的，但是很不幸，由于那个写"org.apache.jasper.compiler.parser"的人
在数组jsputil.validattribute[]忘记加了一个参数：encoding,因此导致不支
持这种方式。你完全可以编译源代码，加上对encoding的支持
总结：
如果你在nt底下，最简单的方法就是欺骗java,不加任何encoding变量：
<html>
你好<%=request.getparameter("value")%>
</html>
http://localhost/test/test.jsp?value=你
结果:你好你
但这种方法局限性较大，比如对上传的文章分段，这样的做法是死定的，最好的
解决方案是用这种方案：
<%@ page contenttype="text/html;charset=gb2312" %>
<html>
你好<%=new string(request.getparameter("value").getbytes("8859_1"),"gb2312")%>
</html>
