0%

URL乱码

发表于 更新于 分类于

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。这是因为网络标准RFC1738做了硬性规定：
1581572958(1)
通过下图我们可以了解在javaWeb中有哪些地方有转码：
1582610127(1)

二、HTML页面（response乱码）

响应给客户端浏览器，Tomcat默认以ISO-8859-1编码

  • 网页中html的编码：HTTP header 、meta、user-agent（浏览器） 权重越来越低，也就是说http头会覆盖meta头信息。
  • 可以在后台设置编码方式：response.setContentType(“text/html; charset=utf-8”);在响应头中有Content-Type
  • 可以在前端设置编码方式：meta content=”text/html; charset=utf-8” http-equiv=”Content-Type”
    HTML5简化成meta charset=”utf-8”
    css文件顶部：@charset utf-8
  • 若前两者均没有，浏览器一般有默认编码。
    Content-Type：是Http的实体首部字段，用于说明请求或返回的消息主体是用何种方式编码，在request header和response header里都存在。

　　当浏览器请求一个静态的html页面时，服务器会将html页面的字节流通过网络传输给浏览器。浏览器再将字节流解码成相应的html文本字符，然后将html元素渲染出来。在这个流程中浏览器有一个解码html字节流的过程。浏览器如何判断用什么编码格式去解码呢？在html页面的head标签中通常会包含一个指定页面编码的标签，如果指定的是utf-8编码，浏览器就用utf-8解码html页面。问题是在浏览器解析标签获得页面编码之前，浏览器是用什么编码来解析标签的呢？因为html开头都是字母，基本不会存在ASCII码之外的字符，所以识别起来还是没有难度的。

  • 查看页面编码方式（也就是浏览器查看应该用什么方式解码）如下图：
    1582089687(1)

  • 一个html页面可以有多种编码：
    与html页面编码相关的还有js(css)文件编码，默认是采用html的编码格式去解析js(css)文件。如果js(css)文件与html页面编码方式不同，则script标签有一个charset属性来指定编码方式。
    script type=”text/javascript” src=”myscripts.js” charset=”UTF-8”/

三、Web后台编码（request乱码）

服务器端获取客户端传递过来的数据出现乱码的问题
html页面是utf-8格式的, 页面编码也指定为utf-8。

  • 表单POST
    　　对于POST方式，它采用的编码也是由页面来决定的即contentType。当我通过点击页面的submit按钮来提交表单时，浏览器首先会根据contentType的charset编码格式来对POST表单的参数进行编码然后提交给服务器，在服务器端同样也是用contentType中设置的字符集来进行解码。
    1582092789
    　　html提交普通表单时，参数以字节流的方式传输到web服务器，web服务器解码字节流得到参数。tomcat默认采用ISO-8859-1编解码，所以直接获取参数是乱码，以ISO-8859-1编码回原本的字节流再用utf-8重新解码就可以得到正确的参数。
    　　可以在获取任何参数前调用 request.setCharacterEncoding(“utf-8”) ，即可用utf-8解码参数，就不用那么麻烦了。其他语言在原理上也都是相同的。
  • 表单GET
    　　当用户点击submit提交表单时，浏览器会根据设定的编码来编码数据传递给服务器。通过GET方式提交的数据都是拼接在URL后面（可以当做query String？？）来提交的，所以tomcat服务器在进行解码过程中URIEncoding就起到作用了。tomcat服务器会根据设置的URIEncoding来进行解码，如果没有设置则会使用默认的ISO-8859-1来解码。假如我们在页面将编码设置为UTF-8，而URIEncoding设置的不是或者没有设置，那么服务器进行解码时就会产生乱码。这个时候我们一般可以通过new String(request.getParameter(“name”).getBytes(“iso-8859-1”),”utf-8”) 的形式来获取正确数据。

有两种方法：
①Tomcat中配置（用的较多）
connectionTimeout=”20000”
redirectPort=”8443”
URIEncoding=”UTF-8”
②String username = request.getParameter(“username”);
username = new String(username.getBytes(“ISO-8859-1”),”UTF-8”);

  • URL

方法一：javascript
encodeURI()和encodeURIComponent()都是Javascript中对URL编码的函数。
但是区别在于：
encodeURI()着眼于对整个URL进行编码，特殊含义的符号”; / ? : @ & = + $ , #“不进行编码
encodeURIComponent()对URL的组成部分进行个别编码，所以”; / ? : @ & = + $ , #”在这里是可以进行编码
1582610974(1)
可以在javascript中get、post提交数据，但要先将不合法字符转码。
1582612709
　　常见的URL编码函数主要有encodeURIComponent()和encodeURI()，两者的区别如下：
前者假定它的参数是URL的一部分（比如协议、主机名、路径或查询字符串）。因此 encodeURIComponent() 函数将转义用于分隔 URL各个部分的标点符号。
encodeURI() 用于编码整个URL，因为URL中的合法字符都不会被编码转换。encodeURIComponent方法在编码单个URIComponent（指请求参数）应当是最常用的，它可以将参数中的中文、特殊字符进行转义，而不会影响整个URL。
若用encodeURL不会对特殊符号处理，而在后端解码时会处理，所有有时会造成解码错误。
方法二：过滤器
参考：https://teakki.com/p/57df76f11201d4c1629b9605

四、哪些字符需要转码

  • ASCII的控制字符
    ASCII表上的数字0–31分配给了控制字符，用于控制像打印机等一些外围设备。例如，12代表换页/新页功能，指示打印机跳到下一页的开头。这些字符是不可打印的，自然需要转化。
  • 一些非ASCII字符
    比如中文，阿拉伯字符等。
  • 一些保留字符
    比如最常见的连接符“&”。（&是看成普通字符还是参数分隔符）
  • 一些不安全的字符
    比如空格，为了防止引起歧义，需要转化成“+”。

字符编码：ASCII Unicode UTF-8
参考：https://www.cnblogs.com/luguo3000/p/3627027.html