IDC资讯中心
java servlet/jsp多语言解决方案
因为一直不信java竟会有不能混排显示多国语言的bug，这个周末研究了一下servlet、
jsp的多国语言显示的问题，也就是servlet的多字符集问题，由于我对字符集的概念还
不是很清晰所以写出的东西未必是准确的，我是这样理解java中的字符集的：在运行时
，每个字符串对象中存储的都是编码为unicode内码的（我觉得所有的语言中都是有相应
编码的，因为在计算机内部字符串总是用内码来表示的，只不过一般计算机语言中的字
符串编码时平台相关的，而java则采用了平台无关的unicode）。
java从一个byte流中读取一个字符串时，将把平台相关的byte转变为平台无关的un
icode字符串。在输出时java将把unicode字符串转变为平台相关的byte流，如果某个un
icode字符在某个平台上不存在，将会输出一个?。举个例子：在中文windows中，jav
a读出一个"gb2312"编码的文件（可以是任何流）到内存中构造字符串对象，将会把gb2
312编码的文字转变为unicode编码的字符串，如果把这个字符串输出又将会把unicode字
符串转化为gb2312的byte流或数组："中文测试"—–>"\u4e2d\u6587\u6d4b\u8bd5"–
—>"中文测试"。
如下例程：
byte[] bytes = new byte[]{(byte)0xd6, (byte)0xd0, (byte)0xce, (byte)0xc4, (b
yte)0xb2, (byte)0xe2, (byte)0xca, (byte)0xd4};//gbk编码的"中文测试"
java.io.bytearrayinputstream bin = new java.io.bytearrayinputstream(bytes);
java.io.bufferedreader reader = new java.io.bufferedreader(new java.io. inpu
tstreamreader (bin,"gbk"));
string msg = reader.readline();
system.out.println(msg)
这段程序放到包含"中文测试"这四个字的系统（如中文系统）中，可以正确地打印
出这些字。msg字符串中包含了正确的"中文测试"的unicode编码："\u4e2d\u6587\u6d4
b\u8bd5"，打印时转换为操作系统的默认字符集，是否可以正确显示依赖于操作系统的
字符集，只有在支持相应字符集的系统中，我们的信息才能正确的输出，否则得到的将
会是垃圾。
话入正题，我们来看看servlet/jsp中的多语言问题。我们的目标是，任一国家的客
户端通过form向server发送信息，server把信息存入数据库中，客户端在检索时仍然能
够看到自己发送的正确信息。事实上，我们要保证，最终server中的sql语句中保存的时
包含客户端发送文字的正确unicode编码；dbc与数据库通讯时采用的编码方式能包含客
户端发送的文字信息，事实上，最好让jdbc直接使用unicode/utf8与数据库通讯！这样
就可以确保不会丢失信息；server向客户端发送的信息时也要采用不丢失信息的编码方
式，也可以是unicode/utf8。
如果不指定form的enctype属性，form将把输入的内容依照当前页面的编码字符集u
rlencode之后再提交，服务器端得到是urlencoding的字符串。编码后得到的urlencodi
ng字符串是与页面的编码相关的，如gb2312编码的页面提交"中文测试"，得到的是"%d6
%d0%ce%c4%b2%e2%ca%d4"，每个"％"后跟的是16进制的字符串；而在utf8编码时得到的
却是"%e4%b8%ad%e6%96%87%e6%b5%8b%e8%af%95"，因为gb2312编码中一个汉字是16位的
，而utf8中一个汉字却是24位的。中日韩三国的ie4以上浏览器均支持utf8编码，这种方
案肯定包涵了这三国语言，所以我们如果让html页面使用utf8编码那么将至少可以支持
这三国语言。
但是，如果我们html/jsp页面使用utf8编码，因为应用程序服务器可能不知道这种
情况，因为如果浏览器发送的信息不包含charset信息，至多server知道读到accept-la
nguage请求投标，我们知道仅靠这个投标是不能获知浏览器所采用编码的，所以应用程
序服务器不能正确解析提交的内容，为什么？因为java中的所有字符串都是unicode16位
编码的，httpservletrequest.request(string)的功能就是把客户端提交的urlencode编
码的信息转为unicode字符串，有些server只能认为客户端的编码和server平台相同，简
单地使用urldecoder.decode(string)方法直接解码，如果客户端编码恰好和server相同
，那么就可以得到正确地字符串，否则，如果提交地字符串中包含了当地字符，那么将
会导致垃圾信息。
在我提出的这个解决方案里，已经指定了采用utf8编码，所以，可以避免这个问题
，我们可以自己定制出decode方法：
public static string decode(string s,string encoding) throws exception {
stringbuffer sb = new stringbuffer();
for(int i=0; i<s.length(); i++) {
char c = s.charat(i);
switch (c) {
case +:
sb.append( );
break;
case %:
try {
sb.append((char)integer.parseint(
s.substring(i+1,i+3),16));
}
catch (numberformatexception e) {
throw new illegalargumentexception();
}
i += 2;
break;
default:
sb.append(c);
break;
}
}
// undo conversion to external encoding
string result = sb.tostring();
byte[] inputbytes = result.getbytes("8859_1");
return new string(inputbytes,encoding);
}
这个方法可以指定encoding，如果把它指定为utf8就满足了我们的需要。比如用它
解析："%e4%b8%ad%e6%96%87%e6%b5%8b%e8%af%95"就可以得到正确的汉字"中文测试"的
unicode字符串。
现在的问题就是我们必须得到客户端提交的urlencode的字符串。对于method为get的fo
rm提交的信息，可以用httpservletrequest.getquerystring()方法读到，而对于post方
法的form提交的信息，只能从servletinputstream中读到，事实上标准的getparameter
方法被第一次调用后，form提交的信息就被读取出来了，而servletinputstream是不能
重复读出的。所以我们应在第一次使用getparameter方法前读取并解析form提交的信息
。
