当前页面位置: » 丰搜网 » 文档中心 » 详细内容
深入剖析jsp和servlet对中文的处理
世界上的各地区都有本地的语言。地区差异直接导致了语言环境的差异。在开发一个国际化程序的过程中，处理语言问题就显得很重要了。这是一个世界范围内都存在的问题，所以，java提供了世界性的解决方法。本文描述的方法是用于处理中文的，但是，推而广之，对于处理世界上其它国家和地区的语言同样适用。
汉字是双字节的。所谓双字节是指一个双字要占用两个byte的位置（即16位），分别称为高位和低位。中国规定的汉字编码为gb2312，这是强制性的，目前几乎所有的能处理中文的应用程序都支持gb2312。gb2312包括了一二级汉字和9区符号，高位从0xa1到0xfe，低位也是从0xa1到0xfe，其中，汉字的编码范围为0xb0a1到0xf7fe。
另外有一种编码，叫做gbk，但这是一份规范，不是强制的。gbk提供了20902个汉字，它兼容gb2312，编码范围为0x8140到0xfefe。gbk中的所有字符都可以一一映射到unicode 2.0。
在不久的将来，中国会颁布另一种标准：gb18030-2000（gbk2k）。它收录了藏、蒙等少数民族的字型，从根本上解决了字位不足的问题。注意：它不再是定长的。其二字节部份与gbk兼容，四字节部分是扩充的字符、字形。它的首字节和第三字节从0x81到0xfe，二字节和第四字节从0x30到0x39。
本文不打算介绍unicode，有兴趣的可以浏览“http://www.unicode.org/”查看更多的信息。unicode有一个特性：它包括了世界上所有的字符字形。所以，各个地区的语言都可以建立与unicode的映射关系，而java正是利用了这一点以达到异种语言之间的转换。
在jdk中，与中文相关的编码有：
表1 jdk中与中文相关的编码列表
| 编码名称 | 说明 |
| ascii | 7位，与ascii7相同 |
| iso8859-1 | 8-位，与 8859_1,iso-8859-1,iso_8859-1,latin1...等相同 |
| gb2312-80 | 16位，与gb2312,gb2312-1980,euc_cn,euccn,1381,cp1381, 1383, cp1383, iso2022cn,iso2022cn_gb...等相同 |
| gbk | 与ms936相同，注意：区分大小写 |
| utf8 | 与utf-8相同 |
| gb18030 | 与cp1392、1392相同，目前支持的jdk很少 |
在实际编程时，接触得比较多的是gb2312（gbk）和iso8859-1。
为什么会有“?”号
上文说过，异种语言之间的转换是通过unicode来完成的。假设有两种不同的语言a和b，转换的步骤为：先把a转化为unicode，再把unicode转化为b。
举例说明。有gb2312中有一个汉字“李”，其编码为“c0ee”，欲转化为iso8859-1编码。步骤为：先把“李”字转化为unicode，得到“674e”，再把“674e”转化为iso8859-1字符。当然，这个映射不会成功，因为iso8859-1中根本就没有与“674e”对应的字符。
当映射不成功时，问题就发生了！当从某语言向unicode转化时，如果在某语言中没有该字符，得到的将是unicode的代码“\uffffd”（“\u”表示是unicode编码，）。而从unicode向某语言转化时，如果某语言没有对应的字符，则得到的是“0x3f”（“?”）。这就是“?”的由来。
例如：把字符流buf =“0x80 0x40 0xb0 0xa1”进行new string(buf, "gb2312")操作，得到的结果是“\ufffd\u554a”，再println出来，得到的结果将是“?啊”，因为“0x80 0x40”是gbk中的字符，在gb2312中没有。
再如，把字符串string="\u00d6\u00ec\u00e9\u0046\u00bb\u00f9"进行new string (buf.getbytes("gbk"))操作，得到的结果是“3fa8aca8a6463fa8b4”，其中，“\u00d6”在“gbk”中没有对应的字符，得到“3f”，“\u00ec”对应着“a8ac”，“\u00e9”对应着“a8a6”，“0046”对应着“46”（因为这是ascii字符），“\u00bb”没找到，得到“3f”，最后，“\u00f9”对应着“a8b4”。把这个字符串println一下，得到的结果是“?ìéf?ù”。看到没？这里并不全是问号，因为gbk与unicode映射的内容中除了汉字外还有字符，本例就是最好的明证。
所以，在汉字转码时，如果发生错乱，得到的不一定都是问号噢！不过，错了终究是错了，50步和100步并没有质的差别。
或者会问：如果源字符集中有，而unicode中没有，结果会如何？回答是不知道。因为我手头没有能做这个测试的源字符集。但有一点是肯定的，那就是源字符集不够规范。在java中，如果发生这种情况，是会抛出异常的。
什么是utf
utf，是unicode text format的缩写，意为unicode文本格式。对于utf，是这样定义的：
（1）如果unicode的16位字符的头9位是0，则用一个字节表示，这个字节的首位是“0”，剩下的7位与原字符中的后7位相同，如“\u0034”（0000 0000 0011 0100），用“34” (0011 0100)表示；（与源unicode字符是相同的）；
（2）如果unicode的16位字符的头5位是0，则用2个字节表示，首字节是“110”开头，后面的5位与源字符中除去头5个零后的最高5位相同；第二个字节以“10”开头，后面的6位与源字符中的低6位相同。如“\u025d”（0000 0010 0101 1101），转化后为“c99d”（1100 1001 1001 1101）；
（3）如果不符合上述两个规则，则用三个字节表示。第一个字节以“1110”开头，后四位为源字符的高四位；第二个字节以“10”开头，后六位为源字符中间的六位；第三个字节以“10”开头，后六位为源字符的低六位；如“\u9da7”（1001 1101 1010 0111），转化为“e9b6a7”（1110 1001 1011 0110 1010 0111）；
可以这么描述java程序中unicode与utf的关系，虽然不绝对：字符串在内存中运行时，表现为unicode代码，而当要保存到文件或其它介质中去时，用的是utf。这个转化过程是由writeutf和readutf来完成的。
好了，基础性的论述差不多了，下面进入正题。
先把这个问题想成是一个黑匣子。先看黑匣子的一级表示：
input(charseta)->process(unicode)->output(charsetb)
简单，这就是一个ipo模型，即输入、处理和输出。同样的内容要经过“从charseta到unicode再到charsetb”的转化。
再看二级表示：
sourcefile(jsp,java)->class->output
在这个图中，可以看出，输入的是jsp和java源文件，在处理过程中，以class文件为载体，然后输出。再细化到三级表示：
jsp->temp file->class->browser,os console,db
app,servlet->class->browser,os console,db
这个图就更明白了。jsp文件先生成中间的java文件，再生成class。而servlet和普通app则直接编译生成class。然后，从class再输出到浏览器、控制台或数据库等。
jsp：从源文件到class的过程
jsp的源文件是以“.jsp”结尾的文本文件。在本节中，将阐述jsp文件的解释和编译过程，并跟踪其中的中文变化。
1、jsp/servlet引擎提供的jsp转换工具（jspc）搜索jsp文件中用<%@ page contenttype ="text/html; charset=<jsp-charset>"%>中指定的charset。如果在jsp文件中未指定<jsp-charset>，则取jvm中的默认设置file.encoding，一般情况下，这个值是iso8859-1；
2、jspc用相当于“javac –encoding <jsp-charset>”的命令解释jsp文件中出现的所有字符，包括中文字符和ascii字符，然后把这些字符转换成unicode字符，再转化成utf格式，存为java文件。ascii码字符转化为unicode字符时只是简单地在前面加“00”，如“a”，转化为“\u0041”（不需要理由，unicode的码表就是这么编的）。然后，经过到utf的转换，又变回“41”了！这也就是可以使用普通文本编辑器查看由jsp生成的java文件的原因；
3、引擎用相当于“javac –encoding unicode”的命令，把java文件编译成class文件；
先看一下这些过程中中文字符的转换情况。有如下源代码：
<%@ page contenttype="text/html; charset=gb2312"%>
<html><body>
<%
string a="中文";
out.println(a);
%>
</body></html>
这段代码是在ultraedit for windows上编写的。保存后，“中文”两个字的16进制编码为“d6 d0 ce c4”（gb2312编码）。经查表，“中文”两字的unicode编码为“\u4e2d\u6587”，用 utf表示就是“e4 b8 ad e6 96 87”。打开引擎生成的由jsp文件转变而成的java文件，发现其中的“中文”两个字确实被“e4 b8 ad e6 96 87”替代了，再查看由java文件编译生成的class文件，发现结果与java文件中的完全一样。
再看jsp中指定的charset为iso-8859-1的情况。
<%@ page contenttype="text/html; charset=iso-8859-1"%>
<html><body>
<%
string a="中文";
out.println(a);
%>
</body></html>
同样，该文件是用ultraedit编写的，“中文”这两个字也是存为gb2312编码“d6 d0 ce c4”。先模拟一下生成的java文件和class文件的过程：jspc用iso-8859-1来解释“中文”，并把它映射到unicode。由于iso-8859-1是8位的，且是拉丁语系，其映射规则就是在每个字节前加“00”，所以，映射后的unicode编码应为“\u00d6\u00d0\u00ce\u00c4”，转化成utf后应该是“c3 96 c3 90 c3 8e c3 84”。好，打开文件看一下，java文件和class文件中，“中文”果然都表示为“c3 96 c3 90 c3 8e c3 84”。
如果上述代码中不指定<jsp-charset>，即把第一行写成“<%@ page contenttype="text/html" %>”，jspc会使用file.encoding的设置来解释jsp文件。在redhat 6.2上，其处理结果与指定为iso-8859-1是完全相同的。
到现在为止，已经解释了从jsp文件到class文件的转变过程中中文字符的映射过程。一句话：从“jspcharset到unicode再到utf”。下表总结了这个过程：
表2 “中文”从jsp到class的转化过程
| jsp-charset | jsp文件中 | java文件中 | class文件中 |
| gb2312 | d6 d0 ce c4(gb2312) | 从\u4e2d\u6587(unicode)到e4 b8 ad e6 96 87 (utf) | e4 b8 ad e6 96 87 (utf) |
| iso-8859-1 | d6 d0 ce c4
(gb2312) | 从\u00d6\u00d0\u00ce\u00c4 (unicode)到c3 96 c3 90 c3 8e c3 84 (utf) | c3 96 c3 90 c3 8e c3 84 (utf) |
| 无（默认＝file.encoding） | 同iso-8859-1 | 同iso-8859-1 | 同iso-8859-1 |
下节先讨论
servlet从
java文件到class文件的转化过程，然后再解释从class文件如何输出到客户端。之所以这样安排，是因为
jsp和
servlet在输出时处理方法是一样的。
servlet：从源文件到class的过程
servlet源文件是以“.java”结尾的文本文件。本节将讨论servlet的编译过程并跟踪其中的中文变化。
用“javac”编译servlet源文件。javac可以带“-encoding <compile-charset>”参数，意思是“用< compile-charset >中指定的编码来解释serlvet源文件”。
源文件在编译时，用<compile-charset>来解释所有字符，包括中文字符和ascii字符。然后把字符常量转变成unicode字符，最后，把unicode转变成utf。
在servlet中，还有一个地方设置输出流的charset。通常在输出结果前，调用httpservletresponse的setcontenttype方法来达到与在jsp中设置<jsp-charset>一样的效果，称之为<servlet-charset>。
注意，文中一共提到了三个变量：<jsp-charset>、<compile-charset>和<servlet-charset>。其中，jsp文件只与<jsp-charset>有关，而<compile-charset>和<servlet-charset>只与servlet有关。
看下例：
import javax.servlet.*;
import javax.servlet.http.*;
class testservlet extends httpservlet
{
public void doget(httpservletrequest req,httpservletresponse resp)
throws servletexception,java.io.ioexception
{
resp.setcontenttype("text/html; charset=gb2312");
java.io.printwriter out=resp.getwriter();
out.println("<html>");
out.println("#中文#");
out.println("</html>");
}
}
该文件也是用ultraedit for windows编写的，其中的“中文”两个字保存为“d6 d0 ce c4”（gb2312编码）。
开始编译。下表是<compile-charset>不同时，class文件中“中文”两字的十六进制码。在编译过程中，<servlet-charset>不起任何作用。<servlet-charset>只对class文件的输出产生影响，实际上是<servlet-charset>和<compile-charset>一起，达到与jsp文件中的<jsp-charset>相同的效果，因为<jsp-charset>对编译和class文件的输出都会产生影响。
表3 “中文”从servlet源文件到class的转变过程
| compile-charset | servlet源文件中 | class文件中 | 等效的unicode码 |
| gb2312 | d6 d0 ce c4
(gb2312) | e4 b8 ad e6 96 87 (utf) | \u4e2d\u6587 (在unicode中＝“中文”) |
| iso-8859-1 | d6 d0 ce c4
(gb2312) | c3 96 c3 90 c3 8e c3 84 (utf) | \u00d6 \u00d0 \u00ce \u00c4 (在d6 d0 ce c4前面各加了一个00) |
| 无（默认） | d6 d0 ce c4 (gb2312) | 同iso-8859-1 | 同iso-8859-1 |
普通
java程序的编译过程与
servlet完全一样。
class文件中的中文表示法是不是昭然若揭了？ok，接下来看看class又是怎样输出中文的呢？
class：输出字符串
上文说过，字符串在内存中表现为unicode编码。至于这种unicode编码表示了什么，那要看它是从哪种字符集映射过来的，也就是说要看它的祖先。这好比在托运行李时，外观都是纸箱子，里面装了什么就要看寄邮件的人实际邮了什么东西。
看看上面的例子，如果给一串unicode编码“00d6 00d0 00ce 00c4”，如果不作转换，直接用unicode码表来对照它时，是四个字符（而且是特殊字符）；假如把它与“iso8859-1”进行映射，则直接去掉前面的“00”即可得到“d6 d0 ce c4”，这是ascii码表中的四个字符；而假如把它当作gb2312来进行映射，得到的结果很可能是一大堆乱码，因为在gb2312中有可能没有（也有可能有）字符与00d6等字符对应（如果对应不上，将得到0x3f，也就是问号，如果对应上了，由于00d6等字符太靠前，估计也是一些特殊符号，真正的汉字在unicode中的编码从4e00开始）。
各位看到了，同样的unicode字符，可以解释成不同的样子。当然，这其中有一种是我们期望的结果。以上例而论，“d6 d0 ce c4”应该是我们所想要的，当把“d6 d0 ce c4”输出到ie中时，用“简体中文”方式查看，就能看到清楚的“中文”两个字了。（当然了，如果你一定要用“西欧字符”来看，那也没办法，你将得不到任何有何时何地的东西）为什么呢？因为“00d6 00d0 00ce 00c4”本来就是由iso8859-1转化过去的。
给出如下结论：
在class输出字符串前，会将unicode的字符串按照某一种内码重新生成字节流，然后把字节流输入，相当于进行了一步“string.getbytes(???)”操作。???代表某一种字符集。
如果是servlet，那么，这种内码就是在httpservletresponse.setcontenttype()方法中指定的内码，也就是上文定义的＜servlet-charset＞。
如果是jsp，那么，这种内码就是在＜%@ page contenttype=""%＞中指定的内码，也就是上文定义的＜jsp-charset＞。
如果是java程序，那么，这种内码就是file.encoding中指定的内码，默认为iso8859-1。
当输出对象是浏览器时
以流行的浏览器ie为例。ie支持多种内码。假如ie接收到了一个字节流“d6 d0 ce c4”，你可以尝试用各种内码去查看。你会发现用“简体中文”时能得到正确的结果。因为“d6 d0 ce c4”本来就是简体中文中“中文”两个字的编码。
ok，完整地看一遍。
jsp：源文件为gb2312格式的文本文件，且jsp源文件中有“中文”这两个汉字
如果指定了＜jsp-charset＞为gb2312，转化过程如下表。
表4 jsp-charset = gb2312时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写jsp源文件，且存为gb2312格式 | d6 d0 ce c4
（d6d0=中 cec4=文） |
| 2 | jspc把jsp源文件转化为临时java文件，并把字符串按照gb2312映射到unicode，并用utf格式写入java文件中 | e4 b8 ad e6 96 87 |
| 3 | 把临时java文件编译成class文件 | e4 b8 ad e6 96 87 |
| 4 | 运行时，先从class文件中用readutf读出字符串，在内存中的是unicode编码 | 4e 2d 65 87（在unicode中4e2d=中 6587=文） |
| 5 | 根据jsp-charset=gb2312把unicode转化为字节流 | d6 d0 ce c4 |
| 6 | 把字节流输出到ie中，并设置ie的编码为gb2312（作者按：这个信息隐藏在http头中） | d6 d0 ce c4 |
| 7 | ie用“简体中文”查看结果 | “中文”（正确显示） |
如果指定了＜jsp-charset＞为iso8859-1，转化过程如下表。
表5 jsp-charset = iso8859-1时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写jsp源文件，且存为gb2312格式 | d6 d0 ce c4
（d6d0=中 cec4=文） |
| 2 | jspc把jsp源文件转化为临时java文件，并把字符串按照iso8859-1映射到unicode，并用utf格式写入java文件中 | c3 96 c3 90 c3 8e c3 84 |
| 3 | 把临时java文件编译成class文件 | c3 96 c3 90 c3 8e c3 84 |
| 4 | 运行时，先从class文件中用readutf读出字符串，在内存中的是unicode编码 | 00 d6 00 d0 00 ce 00 c4
（啥都不是！！！） |
| 5 | 根据jsp-charset=iso8859-1把unicode转化为字节流 | d6 d0 ce c4 |
| 6 | 把字节流输出到ie中，并设置ie的编码为iso8859-1（作者按：这个信息隐藏在http头中） | d6 d0 ce c4 |
| 7 | ie用“西欧字符”查看结果 | 乱码，其实是四个ascii字符，但由于大于128，所以显示出来的怪模怪样 |
| 8 | 改变ie的页面编码为“简体中文” | “中文”（正确显示） |
奇怪了！为什么把＜jsp-charset＞设成gb2312和iso8859-1是一个样的，都能正确显示？因为表4表5中的第2步和第5步互逆，是相互“抵消”的。只不过当指定为iso8859-1时，要增加第8步操作，殊为不便。
再看看不指定＜jsp-charset＞ 时的情况。
表6 未指定jsp-charset 时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写jsp源文件，且存为gb2312格式 | d6 d0 ce c4
（d6d0=中 cec4=文） |
| 2 | jspc把jsp源文件转化为临时java文件，并把字符串按照iso8859-1映射到unicode，并用utf格式写入java文件中 | c3 96 c3 90 c3 8e c3 84 |
| 3 | 把临时java文件编译成class文件 | c3 96 c3 90 c3 8e c3 84 |
| 4 | 运行时，先从class文件中用readutf读出字符串，在内存中的是unicode编码 | 00 d6 00 d0 00 ce 00 c4 |
| 5 | 根据jsp-charset=iso8859-1把unicode转化为字节流 | d6 d0 ce c4 |
| 6 | 把字节流输出到ie中 | d6 d0 ce c4 |
| 7 | ie用发出请求时的页面的编码查看结果 | 视情况而定。如果是简体中文，则能正确显示，否则，需执行表5中的第8步 |
servlet：源文件为java文件，格式是gb2312，源文件中含有“中文”这两个汉字
如果＜compile-charset＞＝gb2312，＜servlet-charset＞=gb2312
表7 compile-charset=servlet-charset=gb2312 时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写servlet源文件，且存为gb2312格式 | d6 d0 ce c4
（d6d0=中 cec4=文） |
| 2 | 用javac –encoding gb2312把java源文件编译成class文件 | e4 b8 ad e6 96 87 （utf） |
| 3 | 运行时，先从class文件中用readutf读出字符串，在内存中的是unicode编码 | 4e 2d 65 87 (unicode) |
| 4 | 根据servlet-charset=gb2312把unicode转化为字节流 | d6 d0 ce c4 (gb2312) |
| 5 | 把字节流输出到ie中并设置ie的编码属性为servlet-charset=gb2312 | d6 d0 ce c4 (gb2312) |
| 6 | ie用“简体中文”查看结果 | “中文”（正确显示） |
如果＜compile-charset＞＝iso8859-1，＜servlet-charset＞=iso8859-1
表8 compile-charset=servlet-charset=iso8859-1时的变化过程
| 序号 | 步骤说明 | 结果 |
| 1 | 编写servlet源文件，且存为gb2312格式 | d6 d0 ce c4
（d6d0=中 cec4=文） |
| 2 | 用javac –encoding iso8859-1把java源文件编译成class文件 | c3 96 c3 90 c3 8e c3 84 （utf） |
| 3 | 运行时，先从class文件中用readutf读出字符串，在内存中的是unicode编码 | 00 d6 00 d0 00 ce 00 c4 |
| 4 | 根据servlet-charset=iso8859-1把unicode转化为字节流 | d6 d0 ce c4 |
| 5 | 把字节流输出到ie中并设置ie的编码属性为servlet-charset=iso8859-1 | d6 d0 ce c4 (gb2312) |
| 6 | ie用“西欧字符”查看结果 | 乱码（原因同表5） |
| 7 | 改变ie的页面编码为“简体中文” | “中文”（正确显示） |
如果不指定compile-charset或servlet-charset，其默认值均为iso8859-1。
当compile-charset=servlet-charset时，第2步和第4步能互逆，“抵消”，显示结果均能正确。读者可试着写一下compile-charset＜＞servlet-charset时的情况，肯定是不正确的。
当输出对象是数据库时
输出到数据库时，原理与输出到浏览器也是一样的。本节只是servlet为例，jsp的情况请读者自行推导。
假设有一个servlet，它能接收来自客户端（ie，简体中文）的汉字字符串，然后把它写入到内码为iso8859-1的数据库中，然后再从数据库中取出这个字符串，显示到客户端。
表9 输出对象是数据库时的变化过程（1）
| 序号 | 步骤说明 | 结果 | 域 |
| 1 | 在ie中输入“中文” | d6 d0 ce c4 | ie |
| 2 | ie把字符串转变成utf，并送入传输流中 | e4 b8 ad e6 96 87 |
| 3 | servlet接收到输入流，用readutf读取 | 4e 2d 65 87(unicode) | servlet |
| 4 | 编程者在servlet中必须把字符串根据gb2312还原为字节流 | d6 d0 ce c4 |
| 5 | 编程者根据数据库内码iso8859-1生成新的字符串 | 00 d6 00 d0 00 ce 00 c4 |
| 6 | 把新生成的字符串提交给jdbc | 00 d6 00 d0 00 ce 00 c4 |
| 7 | jdbc检测到数据库内码为iso8859-1 | 00 d6 00 d0 00 ce 00 c4 | jdbc |
| 8 | jdbc把接收到的字符串按照iso8859-1生成字节流 | d6 d0 ce c4 |
| 9 | jdbc把字节流写入数据库中 | d6 d0 ce c4 |
| 10 | 完成数据存储工作 | d6 d0 ce c4 数据库 |
|
| 11 | jdbc从数据库中取出字节流 | d6 d0 ce c4 | jdbc |
| 12 | jdbc按照数据库的字符集iso8859-1生成字符串，并提交给servlet | 00 d6 00 d0 00 ce 00 c4 (unicode) | |
| 13 | servlet获得字符串 | 00 d6 00 d0 00 ce 00 c4 (unicode) | servlet |
| 14 | 编程者必须根据数据库的内码iso8859-1还原成原始字节流 | d6 d0 ce c4 | |
| 15 | 编程者必须根据客户端字符集gb2312生成新的字符串 | 4e 2d 65 87
（unicode） | |
|
| 16 | servlet根据＜servlet-charset＞生成字节流 | d6d0 ce c4 | servlet |
| 17 | servlet把字节流输出到ie中，如果已指定＜servlet-charset＞，还会设置ie的编码为＜servlet-charset＞ | d6 d0 ce c4 |
| 18 | ie根据指定的编码或默认编码查看结果 | “中文”（正确显示） | ie |
解释一下，表中第4第5步和第15第16步是用红色标记的，表示要由编码者来作转换。第4、5两步其实就是一句话：“new string(source.getbytes("gb2312"), "iso8859-1")”。第15、16两步也是一句话：“new string(source.getbytes("iso8859-1"), "gb2312")”。亲爱的读者，你在这样编写代码时是否意识到了其中的每一个细节呢？
至于客户端内码和数据库内码为其它值时的流程，和输出对象是系统控制台时的流程，请读者自己想吧。明白了上述流程的原理，相信你可以轻松地写出来。
行文至此，已可告一段落了。终点又回到了起点，对于编程者而言，几乎是什么影响都没有。
因为我们早就被告之要这么做了。
以下给出一个结论，作为结尾。
1、 在jsp文件中，要指定contenttype，其中，charset的值要与客户端浏览器所用的字符集一样；对于其中的字符串常量，不需做任何内码转换；对于字符串变量，要求能根据contenttype中指定的字符集还原成客户端能识别的字节流，简单地说，就是“字符串变量是基于＜jsp-charset＞字符集的”；
2、 在servlet中，必须用httpservletresponse.setcontenttype()设置charset，且设置成与客户端内码一致；对于其中的字符串常量，需要在javac编译时指定encoding，这个encoding必须与编写源文件的平台的字符集一样，一般说来都是gb2312或gbk；对于字符串变量，与jsp一样，必须“是基于＜servlet-charset＞字符集的”。
