jsp utf编码

Question

我很难弄清楚如何处理这个问题：

我正在为一所意大利大学开发一个网络工具，我必须显示带有重音符号的单词（例如 è、ù、...）；有时我从 PostgreSql 表（UTF8 编码）中得到这些词，但大多数情况下我必须从文件中读取长段落。这些文件被编码为 utf-8 xml，并在 Smultron 或任何 utf-8 编辑器中显示良好（它们是在 python 旧文件中创建的，具有è 等实体而不是“è”）。

我写了一个 java 类，它从 xml 文件中提取相关段，它的工作原理是这样的：

String s = parseText(filename, position)

如果我将返回的字符串写入文件，一切看起来都很好；问题是，如果我这样做了

out.write(s)

在 jsp 页面中，我得到了奇怪的字符。顺便说一句，我使用

String s = getWordFromPostgresql(...)

out.write(s)

在同一个jsp中，它显示OK。

有什么提示吗？

谢谢 尼古拉

---

@krosenvold

感谢您的回复，但是该指令已经在页面中，但它不起作用（实际上它“起作用”但仅适用于我从数据库中获取的字符串）。我认为从文件中读取有些东西，但我不明白......它们在“java”中工作，但在“jsp”中不起作用（想不出更好的解释......）

这是从实际代码中提取的一个基本示例：从文件中读取的方法返回一个 Map，从 Mark（表示文本中位置的对象）到 String（包含文本）：

这是在 .jsp 页面中（上面的帖子中引用了 utf 指令）

    // ...
    Map<Mark, String> map = TestoMarkParser.parseMarks(...);
    out.write(map.get(m));

结果如下：

“Fu per√≤ cos√¨ in uso il Genere Enharmonico, che quelli quali vi si esercitavano,”

如果我将相同的代码放在一个 java 类中，并将 out.write 替换为 System.out.println，结果是这样的：

“Fu però così in uso il Genere Enharmonico, che quelli quali vi si esercitavano”

---

我一直在用十六进制编辑器做一些分析，这里是：

原始字符串：“fu però così”

ò 在 xml 文件中： C3 B2

ò 由 jsp 文件中的 out.write() 呈现： E2 88 9A E2 89 A4

ò 通过以下方式写入文件：

FileWriter w = new FileWriter(new File("out.txt"));
w.write(s);     // s is the parsed string
w.close();

C3 B2

将每个字符的值打印为 int

0: 70 = F
1: 117 = u
2: 32 =  
3: 112 = p
4: 101 = e
5: 114 = r
6: 8730 = � 
7: 8804 = � 
8: 32 =  
9: 99 = c
10: 111 = o
11: 115 = s
12: 8730 = �
13: 168 = �
14: 10 = `

Answer 1

我也遇到了同样的问题，一切都是“utf-8”以及为什么我看到了
无意义的字符，问题出在jsp中 它必须在页面的顶部。

 <%request.setCharacterEncoding("utf-8");%>

一切都会好起来的。

Answer 2

我有一些国际 jsp [有“特殊”国际（相对于英语）字符]。

在它们的顶部插入这个 [并且只有这个，即：也没有 contentType 指令（导致重复的 contentType 错误）] 可以让它们正确保存和呈现：

<%@page pageEncoding="UTF-8"%>

这个参考 [http://www.inter-locale.com/codeset1.jsp] 帮助我发现了这一点。

Answer 3

在 jsp 页面指令中，您应该尝试将 content-type 设置为 utf-8，这也会将 pageEncoding 设置为 utf-8。

<%@page contentType="text/html;charset=UTF-8"%>

UTF-8 不是 jsp 中的默认内容类型，由此引发了各种有趣的问题。问题是底层流默认被解释为 ISO-8859-1 流。如果您将一些 unicode 字节写入此流，它们将被解释为 ISO-8859-1。我发现将编码设置为 utf-8 是最好的解决方案。

编辑： 此外，java 中的 string 变量应该始终 是 unicode。所以你应该总是可以说

System.out.println(myString) 

并在您的网络服务器的控制台窗口中看到正确的字符集（或者只是在调试器中停止并检查它）。我怀疑这样做时您会看到不正确的字符，这使我相信您在构造字符串时遇到了编码问题。

Answer 4

String s = parseText(filename, position)

这个方法是在哪里定义的？我猜这是您自己的方法，它打开文件并提取特定的数据块。在这个过程中的某个地方，它正在从字节转换为字符，可能使用 JVM 的默认编码。

如果您正在运行的 JVM 的默认编码与文件中的实际编码不匹配，您将在字符串中得到不正确的字符。此外，如果您正在阅读以多字节形式（例如 UTF-8）编码的内容，您的“位置”可能指向多字节编码的中间。

如果源文件是格式正确的 XML，那么最好使用真正的解析器（例如 JDK 内置的解析器）来解析它们，因为解析器会提供正确的字节转换人物。然后使用 XPath 表达式检索值。

如果您过去没有使用过 XML 解析器，这里有两个我写在 parsing 和 XPath 上的文档。

---

编辑：您可能会发现有用的一件事是打印出字符串中的实际字符值，使用类似以下内容：

public static void main(String[] argv) throws Exception
{
    String s = "testing\u20ac";
    for (int ii = 0 ; ii < s.length() ; ii++)
    {
        System.out.println(ii + ": " + (int)s.charAt(ii) + " = " + s.charAt(ii));
    }
}

您可能还应该打印出您的默认字符集，以便您知道任何特定的字节序列是如何转换为字符的：

public static void main(String[] argv) throws Exception
{
    System.out.println(Charset.defaultCharset());
}

最后，您应该将所服务的页面作为原始字节进行检查，以准确了解返回给客户端的内容。

---

编辑 #2：字符 ò 是 Unicode 值 00F2，它将被 UTF-8 编码为 C3 B2。这两个代码与您在之前的答案中显示的符号不对应。

有关 Unicode 字符的更多信息，请参阅 Unicode.org 上的 code charts。