Rookie

        getBytes(charset)：這是java字符串處理的一個(gè)標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。注意字符串在java內(nèi)存中總是按unicode編碼存儲的。比如"中文"，正常情況下（即沒有錯(cuò)誤的時(shí)候）存儲為"4e2d 6587"，如果charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節(jié)"d6 d0 ce c4"。如果charset為"utf8"則最后是"e4 b8 ad e6 96 87"。如果是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"（兩個(gè)問號）。
        new String(charset)：這是java字符串處理的另一個(gè)標(biāo)準(zhǔn)函數(shù)，和上一個(gè)函數(shù)的作用相反，將字節(jié)數(shù)組按照charset編碼進(jìn)行組合識別，最后轉(zhuǎn)換為unicode存儲。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結(jié)果"4e2d 6587"，但iso8859-1最后變成了"003f 003f"（兩個(gè)問號）。因?yàn)閡tf8可以用來表示/編碼所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) == str，即完全可逆。
       setCharacterEncoding()：該函數(shù)用來設(shè)置http請求或者相應(yīng)的編碼。對于request，是指提交內(nèi)容的編碼，指定后可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認(rèn)使用iso8859-1編碼，需要進(jìn)一步處理。參見下述"表單輸入"。值得注意的是在執(zhí)行setCharacterEncoding()之前，不能執(zhí)行任何getParameter()。java doc上說明：This method must be called prior to reading request parameters or reading input using getReader()。而且，該指定只對POST方法有效，對GET方法無效。分析原因，應(yīng)該是在執(zhí)行第一個(gè)getParameter()的時(shí)候，java將會(huì)按照編碼分析所有的提交內(nèi)容，而后續(xù)的getParameter()不再進(jìn)行分析，所以setCharacterEncoding()無效。而對于GET方法提交表單是，提交的內(nèi)容在URL中，一開始就已經(jīng)按照編碼分析所有的提交內(nèi)容，setCharacterEncoding()自然就無效。對于response，則是指定輸出內(nèi)容的編碼，同時(shí)，該設(shè)置會(huì)傳遞給瀏覽器，告訴瀏覽器輸出內(nèi)容所采用的編碼。

二，web開發(fā)中字符編碼幾處設(shè)置
       對于web應(yīng)用程序，和編碼有關(guān)的設(shè)置或者函數(shù)如下。
        jsp編譯：指定文件的存儲編碼，很明顯，該設(shè)置應(yīng)該置于文件的開頭。例如：<@pagepageEncoding="GBK"%>。另外，對于一般class文件，可以在編譯的時(shí)候指定編碼。
        jsp輸出：指定文件輸出到browser是使用的編碼，該設(shè)置也應(yīng)該置于文件的開頭。例如：<%@ page contentType="text/html; charset= GBK" %>。該設(shè)置和response.setCharacterEncoding("GBK")等效。
        meta設(shè)置：指定網(wǎng)頁使用的編碼，該設(shè)置對靜態(tài)網(wǎng)頁尤其有作用。因?yàn)殪o態(tài)網(wǎng)頁無法采用jsp的設(shè)置，而且也無法執(zhí)行response.setCharacterEncoding()。例如：<META http-equiv="Content-Type" content="text/html; charset=GBK" />，如果同時(shí)采用了jsp輸出和meta設(shè)置兩種編碼指定方式，則jsp指定的優(yōu)先。因?yàn)閖sp指定的直接體現(xiàn)在response中。需要注意的是，apache有一個(gè)設(shè)置可以給無編碼指定的網(wǎng)頁指定編碼，該指定等同于jsp的編碼指定方式，所以會(huì)覆蓋靜態(tài)網(wǎng)頁中的meta指定。所以有人建議關(guān)閉該設(shè)置。
        form設(shè)置：當(dāng)瀏覽器提交表單的時(shí)候，可以指定相應(yīng)的編碼。例如：<form accept-charset= "gb2312">。一般不必不使用該設(shè)置，瀏覽器會(huì)直接使用網(wǎng)頁的編碼。

三，URL地址
        URL地址中含有中文字符是很麻煩的，前面描述過使用GET方法提交表單的情況，使用GET方法時(shí)，參數(shù)就是包含在URL中。
        URL編碼：對于URL中的一些特殊字符，瀏覽器會(huì)自動(dòng)進(jìn)行編碼。這些字符除了"/?&"等外，還包括unicode字符，比如漢子。這時(shí)的編碼比較特殊。
        IE有一個(gè)選項(xiàng)"總是使用UTF-8發(fā)送URL"，當(dāng)該選項(xiàng)有效時(shí)，IE將會(huì)對特殊字符進(jìn)行UTF-8編碼，同時(shí)進(jìn)行URL編碼。如果改選項(xiàng)無效，則使用默認(rèn)編碼"GBK"，并且不進(jìn)行URL編碼。但是，對于URL后面的參數(shù)，則總是不進(jìn)行編碼，相當(dāng)于UTF-8選項(xiàng)無效。比如"中文.html?a=中文"，當(dāng)UTF-8選項(xiàng)有效時(shí)，將發(fā)送鏈接"%e4%b8%ad%e6%96%87.html?a=\x4e\x2d\x65\x87"；而UTF-8選項(xiàng)無效時(shí)，將發(fā)送鏈接"\x4e\x2d\x65\x87.html?a=\x4e\x2d\x65\x87"。注意后者前面的"中文"兩個(gè)字只有4個(gè)字節(jié)，而前者卻有18個(gè)字節(jié)，這主要時(shí)URL編碼的原因。當(dāng)web server（tomcat）接收到該鏈接時(shí)，將會(huì)進(jìn)行URL解碼，即去掉"%"，同時(shí)按照ISO8859-1編碼（上面已經(jīng)描述，可以使用URLEncoding來設(shè)置成其它編碼）識別。上述例子的結(jié)果分別是"\ue4\ub8\uad\ue6\u96\u87.html?a=\u4e\u2d\u65\u87"和"\u4e\u2d\u65\u87.html?a=\u4e\u2d\u65\u87"，注意前者前面的"中文"兩個(gè)字恢復(fù)成了6個(gè)字符。這里用"\u"，表示是unicode。所以，由于客戶端設(shè)置的不同，相同的鏈接，在服務(wù)器上得到了不同結(jié)果。這個(gè)問題不少人都遇到，卻沒有很好的解決辦法。所以有的網(wǎng)站會(huì)建議用戶嘗試關(guān)閉UTF-8選項(xiàng)。不過，下面會(huì)描述一個(gè)更好的處理辦法。
        rewrite：熟悉的人都知道，apache有一個(gè)功能強(qiáng)大的rewrite模塊，這里不描述其功能。需要說明的是該模塊會(huì)自動(dòng)將URL解碼（去除%），即完成上述web server（tomcat）的部分功能。有相關(guān)文檔介紹說可以使用[NE]參數(shù)來關(guān)閉該功能，但我試驗(yàn)并未成功，可能是因?yàn)榘姹荆ㄎ沂褂玫氖莂pache 2.0.54）問題。另外，當(dāng)參數(shù)中含有"?& "等符號的時(shí)候，該功能將導(dǎo)致系統(tǒng)得不到正常結(jié)果。rewrite本身似乎完全是采用字節(jié)處理的方式，而不考慮字符串的編碼，所以不會(huì)帶來編碼問題。
        URLEncode.encode()：這是Java本身提供對的URL編碼函數(shù)，完成的工作和上述UTF-8選項(xiàng)有效時(shí)瀏覽器所做的工作相似。值得說明的是，java已經(jīng)不贊成不指定編碼來使用該方法（deprecated）。應(yīng)該在使用的時(shí)候增加編碼指定。當(dāng)不指定編碼的時(shí)候，該方法使用系統(tǒng)默認(rèn)編碼，這會(huì)導(dǎo)致軟件運(yùn)行結(jié)果得不確定。比如對于"中文"，當(dāng)系統(tǒng)默認(rèn)編碼為"gb2312"時(shí)，結(jié)果是"%4e%2d%65%87"，而默認(rèn)編碼為"UTF-8"，結(jié)果卻是"%e4%b8%ad%e6%96%87"，后續(xù)程序?qū)㈦y以處理。另外，這兒說的系統(tǒng)默認(rèn)編碼是由運(yùn)行tomcat時(shí)的環(huán)境變量LC_ALL和LANG等決定的，曾經(jīng)出現(xiàn)過tomcat重啟后就出現(xiàn)亂碼的問題，最后才郁悶的發(fā)現(xiàn)是因?yàn)樾薷男薷牧诉@兩個(gè)環(huán)境變量。建議統(tǒng)一指定為"UTF-8"編碼，可能需要修改相應(yīng)的程序。
        
        一個(gè)解決方案
       上面說起過，因?yàn)闉g覽器設(shè)置的不同，對于同一個(gè)鏈接，web server收到的是不同內(nèi)容，而軟件系統(tǒng)有無法知道這中間的區(qū)別，所以這一協(xié)議目前還存在缺陷。
        針對具體問題，不應(yīng)該僥幸認(rèn)為所有客戶的IE設(shè)置都是UTF-8有效的，也不應(yīng)該粗暴的建議用戶修改IE設(shè)置，要知道，用戶不可能去記住每一個(gè)web server的設(shè)置。所以，接下來的解決辦法就只能是讓自己的程序多一點(diǎn)智能：根據(jù)內(nèi)容來分析編碼是否UTF-8。   
        比較幸運(yùn)的是UTF-8編碼相當(dāng)有規(guī)律，所以可以通過分析傳輸過來的鏈接內(nèi)容，來判斷是否是正確的UTF-8字符，如果是，則以UTF-8處理之，如果不是，則使用客戶默認(rèn)編碼（比如"GBK"），下面是一個(gè)判斷是否UTF-8的例子，如果你了解相應(yīng)規(guī)律，就容易理解

相應(yīng)地，一個(gè)使用上述方法的例子如下：

public static String getUrlParam(String aStr,String aDefaultCharset)

throws UnsupportedEncodingException{

       if(aStr==null) return null;

       byte[] lBytes=aStr.getBytes("ISO-8859-1");

       return new String(lBytes,StringUtil.isValidUtf8(lBytes)?"utf8":aDefaultCharset);

}

不過，該方法也存在缺陷，如下兩方面：
        沒有包括對用戶默認(rèn)編碼的識別，這可以根據(jù)請求信息的語言來判斷，但不一定正確，因?yàn)槲覀冇袝r(shí)候也會(huì)輸入一些韓文，或者其他文字。
        可能會(huì)錯(cuò)誤判斷UTF-8字符，一個(gè)例子是"學(xué)習(xí)"兩個(gè)字，其GBK編碼是" \xd1\xa7\xcf\xb0"，如果使用上述isValidUtf8方法判斷，將返回true。可以考慮使用更嚴(yán)格的判斷方法，不過估計(jì)效果不大。
        有一個(gè)例子可以證明google也遇到了上述問題，而且也采用了和上述相似的處理方法，比如，如果在地址欄中輸入"http://www.google.com/search?hl=zh-CN&newwindow=1&q=學(xué)習(xí)"，google將無法正確識別，而其他漢字一般能夠正常識別。最后，應(yīng)該補(bǔ)充說明一下，如果不使用rewrite規(guī)則，或者通過表單提交數(shù)據(jù)，其實(shí)并不一定會(huì)遇到上述問題，因?yàn)檫@時(shí)可以在提交數(shù)據(jù)時(shí)指定希望的編碼。另外，中文文件名確實(shí)會(huì)帶來問題，應(yīng)該謹(jǐn)慎使用。

四，過濾器
        如果需要統(tǒng)一設(shè)置編碼，則通過filter進(jìn)行設(shè)置是個(gè)不錯(cuò)的選擇。在filter class中，可以統(tǒng)一為需要的請求或者回應(yīng)設(shè)置編碼。參加上述setCharacterEncoding()。這個(gè)類apache已經(jīng)給出了可以直接使用的例SetCharacterEncodingFilter。