Servlet：從源文件到Class的過程
Servlet源文件是以“.java”結尾的文本文件。本節將討論Servlet的編譯過程并跟蹤其中的中文變化。
用“javac”編譯Servlet源文件。javac可以帶“-encoding ＜Compile-charset＞”參數，意思是“用＜ Compile-charset ＞中指定的編碼來解釋Serlvet源文件”。
源文件在編譯時，用＜Compile-charset＞來解釋所有字符，包括中文字符和ASCII字符。然后把字符常量轉變成Unicode字符，最后，把Unicode轉變成UTF。
在Servlet中，還有一個地方設置輸出流的CharSet。通常在輸出結果前，調用HttpServletResponse的setContentType方法來達到與在JSP中設置＜Jsp-charset＞一樣的效果，稱之為＜Servlet-charset＞。
注意，文中一共提到了三個變量：＜Jsp-charset＞、＜Compile-charset＞和＜Servlet-charset＞。其中，JSP文件只與＜Jsp-charset＞有關，而＜Compile-charset＞和＜Servlet-charset＞只與Servlet有關。
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＞");
}
} |
該文件也是用UltraEdit for Windows編寫的，其中的“中文”兩個字保存為“D6 D0 CE C4”（GB2312編碼）。
開始編譯。下表是＜Compile-charset＞不同時，CLASS文件中“中文”兩字的十六進制碼。在編譯過程中，＜Servlet-charset＞不起任何作用。＜Servlet-charset＞只對CLASS文件的輸出產生影響，實際上是＜Servlet-charset＞和＜Compile-charset＞一起，達到與JSP文件中的＜Jsp-charset＞相同的效果，因為＜Jsp-charset＞對編譯和CLASS文件的輸出都會產生影響。
表3 “中文”從Servlet源文件到Class的轉變過程
| Compile-charset |
Servlet源文件中 |
Class文件中 |
等效的Unicode碼 |
| 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前面各加了一個00) |
| 無（默認） |
D6 D0 CE C4 (GB2312) |
同ISO-8859-1 |
同ISO-8859-1 |
普通Java程序的編譯過程與Servlet完全一樣。
CLASS文件中的中文表示法是不是昭然若揭了？OK，接下來看看CLASS又是怎樣輸出中文的呢？
Class：輸出字符串
上文說過，字符串在內存中表現為Unicode編碼。至于這種Unicode編碼表示了什么，那要看它是從哪種字符集映射過來的，也就是說要看它的祖先。這好比在托運行李時，外觀都是紙箱子，里面裝了什么就要看寄郵件的人實際郵了什么東西。
看看上面的例子，如果給一串Unicode編碼“00D6 00D0 00CE 00C4”，如果不作轉換，直接用Unicode碼表來對照它時，是四個字符（而且是特殊字符）；假如把它與“ISO8859-1”進行映射，則直接去掉前面的“00”即可得到“D6 D0 CE C4”，這是ASCII碼表中的四個字符；而假如把它當作GB2312來進行映射，得到的結果很可能是一大堆亂碼，因為在GB2312中有可能沒有（也有可能有）字符與00D6等字符對應（如果對應不上，將得到0x3f，也就是問號，如果對應上了，由于00D6等字符太靠前，估計也是一些特殊符號，真正的漢字在Unicode中的編碼從4E00開始）。
各位看到了，同樣的Unicode字符，可以解釋成不同的樣子。當然，這其中有一種是我們期望的結果。以上例而論，“D6 D0 CE C4”應該是我們所想要的，當把“D6 D0 CE C4”輸出到IE中時，用“簡體中文”方式查看，就能看到清楚的“中文”兩個字了。（當然了，如果你一定要用“西歐字符”來看，那也沒辦法，你將得不到任何有何時何地的東西）為什么呢？因為“00D6 00D0 00CE 00C4”本來就是由ISO8859-1轉化過去的。