深入剖析JSP和Servlet对中文的处理过程2

JSP：从源文件到Class的过程

　　Jsp的源文件是以“.jsp”结尾的文本文件。在本节中，将阐述JSP文件的解释和编译过程，并跟踪其中的中文变化。

　　1、JSP/Servlet引擎提供的JSP转换工具(jspc)搜索JSP文件中用中指定的charset。如果在JSP文件中未指定，则取JVM中的默认设置file.encoding，一般情况下，这个值是ISO8859-1;

　　2、jspc用相当于“javac –encoding ”的命令解释JSP文件中出现的所有字符，包括中文字符和ASCII字符，然后把这些字符转换成Unicode字符，再转化成UTF格式，存为JAVA文件。ASCII码字符转化为Unicode字符时只是简单地在前面加“00”，如“A”，转化为“\u0041”(不需要理由，Unicode的码表就是这么编的)。然后，经过到UTF的转换，又变回“41”了!这也就是可以使用普通文本编辑器查看由JSP生成的JAVA文件的原因;

　　3、引擎用相当于“javac –encoding UNICODE”的命令，把JAVA文件编译成CLASS文件;

　　先看一下这些过程中中文字符的转换情况。有如下源代码：

　　这段代码是在UltraEdit for Windows上编写的。保存后，“中文”两个字的16进制编码为“D6 D0 CE C4”(GB2312编码)。经查表，“中文”两字的Unicode编码为“\u4E2D\u6587”，用 UTF表示就是“E4 B8 AD E6 96 87”。打开引擎生成的由JSP文件转变而成的JAVA文件，发现其中的“中文”两个字确实被“E4 B8 AD E6 96 87”替代了，再查看由JAVA文件编译生成的CLASS文件，发现结果与JAVA文件中的完全一样。

　　再看JSP中指定的CharSet为ISO-8859-1的情况。

　　同样，该文件是用UltraEdit编写的，“中文”这两个字也是存为GB2312编码“D6 D0 CE C4”。先模拟一下生成的JAVA文件和CLASS文件的过程：jspc用ISO-8859-1来解释“中文”，并把它映射到Unicode。由于ISO-8859-1是8位的，且是拉丁语系，其映射规则就是在每个字节前加“00”，所以，映射后的Unicode编码应为“\u00D6\u00D0\u00CE\u00C4”，转化成UTF后应该是“C3 96 C3 90 C3 8E C3 84”。好，打开文件看一下，JAVA文件和CLASS文件中，“中文”果然都表示为“C3 96 C3 90 C3 8E C3 84”。

　　如果上述代码中不指定，即把第一行写成“”，JSPC会使用file.encoding的设置来解释JSP文件。在RedHat 6.2上，其处理结果与指定为ISO-8859-1是完全相同的。

　　到现在为止，已经解释了从JSP文件到CLASS文件的转变过程中中文字符的映射过程。一句话：从“JspCharSet到Unicode再到UTF”。下表总结了这个过程：

　　表2　“中文”从JSP到CLASS的转化过程　　

Jsp-CharSet 　　JSP文件中 　　JAVA文件中 　　CLASS文件中 　　GB2312 　　D6 D0 CE C4 　　(GB2312) 　　从\u4E2D\u6587(Unicode)到 　　E4 B8 AD E6 96 87 (UTF) 　　E4 B8 AD E6 96 87 (UTF) 　　ISO-8859-1 　　D6 D0 CE C4 　　(GB2312) 　　从\u00D6\u00D0\u00CE\u00C4 (Unicode)到C3 96 C3 90 C3 8E C3 84 (UTF) 　　C3 96 C3 90 C3 8E C3 84 (UTF) 　　无(默认=file.encoding) 　　同ISO-8859-1 　　同ISO-8859-1 　　同ISO-8859-1

　　下节先讨论Servlet从JAVA文件到CLASS文件的转化过程，然后再解释从CLASS文件如何输出到客户端。之所以这样安排，是因为JSP和Servlet在输出时处理方法是一样的。

　　Servlet：从源文件到Class的过程

　　Servlet源文件是以“.java”结尾的文本文件。本节将讨论Servlet的编译过程并跟踪其中的中文变化。

用“javac”编译Servlet源文件。javac可以带“-encoding ”参数，意思是“用< Compile-charset >中指定的编码来解释Serlvet源文件”。

　　源文件在编译时，用来解释所有字符，包括中文字符和ASCII字符。然后把字符常量转变成Unicode字符，最后，把Unicode转变成UTF。

　　在Servlet中，还有一个地方设置输出流的CharSet。通常在输出结果前，调用HttpServletResponse的setContentType方法来达到与在JSP中设置一样的效果，称之为。

　　注意，文中一共提到了三个变量：、和。其中，JSP文件只与有关，而和只与Servlet有关。

　　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(""); 　　out.println("#中文#"); 　　out.println(""); 　　} 　　}

　　该文件也是用UltraEdit for Windows编写的，其中的“中文”两个字保存为“D6 D0 CE C4”(GB2312编码)。

　　开始编译。下表是不同时，CLASS文件中“中文”两字的十六进制码。在编译过程中，不起任何作用。只对CLASS文件的输出产生影响，实际上是和一起，达到与JSP文件中的相同的效果，因为对编译和CLASS文件的输出都会产生影响。

　　表3　“中文”从Servlet源文件到Class的转变过程　

Compile-charset 　　Servlet源文件中 　　Class文件中 　　等效的Unicode码 　　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前面各加了一个00) 　　无(默认) 　　D6 D0 CE C4 　　(GB2312) 　　同ISO-8859-1 　　同ISO-8859-1

　　普通Java程序的编译过程与Servlet完全一样。

　　CLASS文件中的中文表示法是不是昭然若揭了?OK，接下来看看CLASS又是怎样输出中文的呢?