tomcat字符编码深度分析

昨天发的解决中文乱码总结一文列举了各方法，却没讲原理。并且还有一处遗漏的配置的地方没写。今天又学习了下，希望能彻底搞明白这个问题，如有不对还请大家指正。

先补充下配置，在tomcat的server.xml的Connector标签里可以配置如下两个属性: URIEncoding与useBodyEncodingForURI，在tomcat/webapp/docs/config/http.html有对这两个属性的详解,
URIEncoding    This specifies the character encoding used to decode the URI bytes, after %xx decoding the URL. If not specified, ISO-8859-1 will be used.
useBodyEncodingForURI    This specifies if the encoding specified in contentType should be used for URI query parameters, instead of using the URIEncoding.
意思就是说useBodyEncodingForURI=true优先于URIEncoding配置，可用Request.setCharacterEncoding设置每个请求的编码，默认是不配置的。而URIEncoding的默认配置是ISO-8859-1,所以上文的解析方法是new String(paramVal.getBytes(“ISO-8859-1”),”UTF-8”)这样的方法来解析的。

下面讲解下tomcat是的转换过程,本文源码摘自apache-tomcat-6.0.26。
1.    页面我们传的是：name=%E5%BC%A0%E4%B8%89

    <form action="submit.jsp" method="post" id="sform">
        <input type="text" name="name" value="张三"/>
         <input    type="submit" value="提交" >
    </form>

2.    tomcat中实现HttpServletRequest的类是org.apache.catalina.connector.Request,数据传到tomcat开始是字节数组，存储在org.apache.catalina.connector.Request的postData属性中，如下图，正好是“name=张三”的字节数组
 
 
3.    这个类里需要把先过来的数据存储到Parameter成员中，以便程序使用request.getParameter()时使用，将字节数组转为字符串的方法是parseParameters[line:2498],源码是这样的：
    取配置的编码:
  

String enc = getCharacterEncoding();//这个是取在Filter中设置的编码

boolean useBodyEncodingForURI = connector.getUseBodyEncodingForURI();//这个是在server.xml中设置
if (enc != null) {
	parameters.setEncoding(enc);
	if (useBodyEncodingForURI) {
		parameters.setQueryStringEncoding(enc);//这里是对Get方式的编码设置
	}
} else {
	//如果没有设置filter编码那么就取下面默认的ISO-8859-1
	parameters.setEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING); 
	if (useBodyEncodingForURI) {
		parameters.setQueryStringEncoding(org.apache.coyote.Constants.DEFAULT_CHARACTER_ENCODING);
	}
}

4.    将2的字节数组与3的编码形成最终字符串。
        源码实现为：Request[line:2572]进入org.apache.tomcat.util.http.Parameters.processParameters(formData, 0, len);实现其功能


最后我又使用了昨天的用例，在同时配置了filter与 server.xml的情况下进行了测试。使用firefox发现在get方式下即使不使用encodeURI函数，浏览器一样会转为utf-8编码请求。测试结果如下:
 
由上图可知，在两种配置都有的情况下，不需要前台和后台写什么编码解码代码即可正常打印结果，反倒是不正确使用了函数会导致乱码。