java - 如何正确解码传递给 servlet 的 unicode 参数

Question

假设我有:

<a href="http://www.yahoo.com/" target="_yahoo" 
    title="Yahoo!&#8482;" onclick="return gateway(this);">Yahoo!</a>
<script type="text/javascript">
function gateway(lnk) {
    window.open(SERVLET +
        '?external_link=' + encodeURIComponent(lnk.href) +
        '&external_target=' + encodeURIComponent(lnk.target) +
        '&external_title=' + encodeURIComponent(lnk.title));
    return false;
}
</script>

我已经确认 external_title 被编码为 Yahoo!%E2%84%A2 并传递给 SERVLET。如果在 SERVLET 我这样做:

Writer writer = response.getWriter();
writer.write(request.getParameter("external_title"));

我在浏览器中看到了 Yahoo!â„¢。如果我手动将浏览器字符编码切换为 UTF-8，它会更改为 Yahoo!^TM(这是我想要的)。

所以我认为我发送给浏览器的编码是错误的(它是 Content-type: text/html; charset=ISO-8859-1)。我将 SERVLET 更改为:

response.setContentType("text/html; charset=utf-8");
Writer writer = response.getWriter();
writer.write(request.getParameter("external_title"));

现在浏览器字符编码是 UTF-8，但它输出 Yahoo!? 我根本无法让浏览器呈现正确的字符。

我的问题是:是否存在 Content-type 和/或 new String(request.getParameter("external_title").getBytes(), "UTF-8") 的组合; 和/或其他会导致 Yahoo!^TM 出现在 SERVLET 输出中的内容？

Answer 1

你快到了。 EncodeURIComponent 正确编码为 UTF-8，这是您现在应该始终在 URL 中使用的内容。

问题是提交的查询字符串在进入服务器端脚本的过程中被破坏了，因为 getParameter() 使用 ISO-8559-1 而不是 UTF-8。这源于古代网络在 URI/IRI 上采用 UTF-8 之前的时代，但遗憾的是 Servlet 规范尚未更新以适应现实，或者至少为其提供可靠、受支持的选项。

(Servlet 2.3中有request.setCharacterEncoding，但不影响查询字符串解析，如果之前读取过单个参数，可能是由其他框架元素读取，则根本不起作用。)

因此，您需要使用特定于容器的方法来获得正确的 UTF-8，通常涉及 server.xml 中的内容。这对于分发应该可以在任何地方工作的 Web 应用程序来说是非常糟糕的。对于 Tomcat，请参阅 https://cwiki.apache.org/confluence/display/TOMCAT/Character+Encoding还有What's the difference between "URIEncoding" of Tomcat, Encoding Filter and request.setCharacterEncoding .