【发布时间】：2016-12-06 01:11:48
【问题描述】：
我正在使用 Java 和 Tomcat 8 开发一个 Web 应用程序。该应用程序有一个用于上传文件的页面，该文件的内容将显示在不同的页面中。很简单。
但是，这些文件可能包含不常见的字符作为其文本的一部分。例如，现在，我正在处理一个包含越南语文本的文件。
文件以 UTF-8 编码，可以在任何文本编辑器中打开。但是，尽管进行了很多搜索并尝试了许多不同的方法，但我找不到任何方法来上传它并将内容保持在正确的编码中。
我上传文件的页面包含以下表格：
<form method="POST" action="upload" enctype="multipart/form-data" accept-charset="UTF-8" >
File: <input type="file" name="file" id="file" multiple/><br/>
Param1: <input type="text" name="param1"/> <br/>
Param2: <input type="text" name="param2"/> <br/>
<input type="submit" value="Upload" name="upload" id="upload" />
</form>
它还包含：
<%@page contentType="text/html" pageEncoding="UTF-8"%>
...
<meta http-equiv="content-type" content="text/html; charset=UTF-8">
我的 servlet 如下所示：
protected void processRequest(HttpServletRequest request, HttpServletResponse response)
throws ServletException, IOException {
try {
response.setContentType("text/html;charset=UTF-8");
request.setCharacterEncoding("UTF-8");
String param1 = request.getParameter("param1");
String param2 = request.getParameter("param2");
Collection<Part> parts = request.getParts();
Iterator<Part> iterator = parts.iterator();
while (iterator.hasNext()) {
Part filePart = iterator.next();
InputStream filecontent = null;
filecontent = filePart.getInputStream();
String content = convertStreamToString(filecontent, "UTF-8");
//Save the content and the parameters in the database
if (filecontent != null) {
filecontent.close();
}
}
} catch (ParseException ex) {
}
}
static String convertStreamToString(java.io.InputStream is, String encoding) {
java.util.Scanner s = new java.util.Scanner(is, encoding).useDelimiter("\\A");
return s.hasNext() ? s.next() : "";
}
尽管我付出了所有努力，但我始终无法获得保留正确字符的“内容”字符串。当正确的应该是“Kạn”时，我要么得到类似“K?n”或“Kạn”的东西（这似乎是 ISO-8859-1 的解释）。
更糟糕的是，如果我在其他表单参数（param1 或 param2）中写入越南字符，这也需要是可能的，如果我同时设置表单的接受字符集和 servlet，我只能正确读取它们扫描仪编码为 ISO-8859-1，我绝对不明白。在这种情况下，如果我打印接收到的参数，我会得到类似“K & # 7 8 4 1 ; n”（不带空格）的内容，其中包含正确字符的表示。因此，只要表单本身使用该字符集，似乎可以使用 ISO-8859-1 从表单中读取越南语字符。但是，它永远不会对上传文件的内容起作用。我什至尝试在 ISO-8859-1 中对文件进行编码，以便对所有内容使用字符集，但它根本不起作用。
我相信这种情况并不少见，所以我想向以前可能去过那里的人寻求帮助。我可能遗漏了一些东西，所以任何帮助表示赞赏。
提前谢谢你。
编辑1：虽然这个问题还没有收到回复，但我会继续发布我的发现，以防有人感兴趣或关注它。
在尝试了许多不同的事情之后，我似乎已经缩小了问题的原因。我创建了一个类，它从磁盘中的特定文件夹读取文件并打印其内容。代码如下：
public static void openFile() {
System.out.println(String.format("file.encoding: %s", System.getProperty("file.encoding")));
System.out.println(String.format("defaultCharset: %s", Charset.defaultCharset().name()));
File file = new File(myFilePath);
byte[] buffer = new byte[(int) file.length()];
BufferedInputStream f = null;
String content = null;
try {
f = new BufferedInputStream(new FileInputStream(file));
} catch (FileNotFoundException ex) {
}
try {
f.read(buffer);
content = new String(buffer, "UTF-8");
System.out.println("UTF-8 File: " + content);
f.close();
} catch (IOException ex) {
}
}
然后我向这个类添加了一个主函数，使其可执行。当我独立运行它时，我得到以下输出：
文件编码：UTF-8
默认字符集：UTF-8
UTF-8 文件：{"...Kạn..."}
但是，如果按照应有的方式将项目作为 web 应用程序运行，并从该类调用相同的函数，我会得到：
file.encoding: Cp1252
默认字符集：windows-1252
UTF-8 文件：{"...K?n..."}
当然，这清楚地表明 webapp 用于读取文件的默认编码不是 UTF-8。因此，我对该主题进行了一些研究，并找到了为 Tomcat 创建 setenv.bat 并让它执行的经典答案：
set "JAVA_OPTS=%JAVA_OPTS% -Dfile.encoding=UTF-8"
结果还是不对：
文件编码：UTF-8
默认字符集：UTF-8
UTF-8 文件 {"...Kạn..."}
我现在可以看到默认编码变成了 UTF-8。但是，从文件中读取的内容仍然是错误的。上面显示的内容与我在 Microsoft Word 中打开文件时得到的内容相同，但选择使用 ISO-Latin-1 而不是 UTF-8 读取它。出于某种奇怪的原因，读取文件仍然在某处使用 ISO-Latin-1，尽管一切都表明使用 UTF-8。
再次，如果有人对此有建议或指导，我们将不胜感激。
【问题讨论】：
标签： java tomcat utf-8 character-encoding multipartform-data