本文共 4468 字，大约阅读时间需要 14 分钟。
首先，从浏览器端看下有多少种情况：
1.在浏览器的地址栏，或者搜索框里输入地址：http://www.test.com/衣服/search?keyword=T恤
2.在一个指定了编码的网页中，提交一个form，如：
| 1 2 3 4 5 6 7 8 9 10 11 12 | < html > < head > < meta charset = "gbk" > </ head > < body > < p >你好</ p > < form id = "productSearchForm" action = "http://127.0.0.1:8080/test.html" method = "post" > < input name = "keyword" class = "keyword" value = "T恤" maxlength = "30" > < button type = "submit" >搜索</ button > </ form > </ body > </ html > |
当然还有，各种细分的选项，如get/post，form里是否指定了编码。
3. ajax请求里的编码。
我们从流程上来看，一个http request要经过哪些东东的处理：
1.浏览器/JavaScript
2.web server，以tomcat/jetty为例
3.filter/servlet ，以Java为例
4.web 框架，以spring mvc为例。
对于在浏览器的地址栏支持输入的地址，各种浏览器是如何处理的，可以参考这个：
也可以自己简单的测试，在Linux下执行：
| 1 | nc -l 8080 |
接着在浏览器里直接访问 http://localhost:8080/衣服/search?keyword=T恤，
然后在就可以看到nc的输出结果了。当然，浏览器的debug工具也可以很方法地看到编码的结果，不过用nc，就不用自己跑一个web服务器了，非常方便。
另外那个keyword=T恤，也是有意选择的，这样可以很方便地看到编码的结果。恤的gbk编码是两个byte，utf-8编码是3个byte，也很容易区别到底是什么编码。
简单地总结下对于浏览器地址栏里直接访问：http://www.test.com/衣服/search?keyword=T恤 的编码情况：
对于chrome，“衣服”和“T恤”都是utf-8编码；
对于IE8，“衣服”和“T恤”都是gbk编码。
这里实际上有两个概念，一个是URI的编码，一个是query string（即?后面的字符串）的编码。
http request是可以指定request的编码信息的，如：
| 1 | Content-Type: application/x-www-form-urlencoded ; charset=UTF-8 |
form可以这样子设置编码：
| 1 | <form accept-charset="UTF-8" enctype="application/x-www-form-urlencoded;charset=UTF-8" |
但是实际上浏览器却不一定会这么做……
比如，把页页编码设置为gbk，再把form编码设置为utf-8。
简单测试，IE8仍然把form编码为gbk，chrome虽然编码为utf-8，但却没有在request里指明。。
当然，还有一个小技巧可以强行使用某种编码，那就是我们先自己转换好编码，如：
| 1 | <form id="productSearchForm" action="http://127.0.0.1:8080/%A3%A4" |
不过，这样意义不大。
只讨论tomcat和jetty。
Tomcat对于URI的编码，有两个参数可以配置：
URIEncoding：这个可以强制指定用什么编码处理URI，默认是ISO-8859-1；
useBodyEncodingForURI：这个是一个兼容性比较好的选项，如果在request指定了编码，则采用request里指定的编码。因此，设置了这个选项为true之后，在java代码里就可以调用request.setCharacterEncoding来设置编码了。
参考：
Jetty只提供了对query string的编码的指定方式，没有提供对URI编码的设置。因此，对于http:www.test.com/衣服/abcd/ 这样的URI，jetty总是把“/衣服/abcd/”当做是utf-8编码。
参考：
spring mvc里提供了一个Filter：
| 1 2 3 4 5 6 7 8 9 10 11 12 | < filter > < filter-name >encodingFilter</ filter-name > < filter-class >org.springframework.web.filter.CharacterEncodingFilter</ filter-class > < init-param > < param-name >encoding</ param-name > < param-value >UTF-8</ param-value > </ init-param > < init-param > < param-name >forceEncoding</ param-name > < param-value >true</ param-value > </ init-param > </ filter > |
到源代码里看一下，可以发现，其实里面只是设置了request的encoding：
| 1 2 3 4 5 6 | if ( this .encoding != null && ( this .forceEncoding || request.getCharacterEncoding() == null )) { request.setCharacterEncoding( this .encoding); if ( this .forceEncoding) { response.setCharacterEncoding( this .encoding); } } |
但是这个对request URI的编码实际上是不起效的。
再看下源代码里是通过j2ee里的request的API来得到的：
RequestParamMethodArgumentResolver类里：
| 1 2 3 4 5 6 7 8 | protected Object resolveName(String name, MethodParameter parameter, NativeWebRequest webRequest) throws Exception { if (arg == null ) { String[] paramValues = webRequest.getParameterValues(name); if (paramValues != null ) { arg = paramValues.length == 1 ? paramValues[ 0 ] : paramValues; } } |
最终实际上调用的是底层web server的request实现类，如tomcat的是org.apache.catalina.connector.RequestFacade，而web server到底是怎么处理请求的编码的，参照上一小节。
这个比较少用到，只有搜索引擎需要识别这种情况。因为搜索引擎需要处理在地址栏里直接输入的字符串的编码。
我测试了google, 百度，淘宝的搜索引擎，都能自动识别编码。但是其它的一些非搜索引擎的应用，都不能自动识别编码。
当然，程序员通常只保证在自家的网页上，点击的产生的http request能正确地被编码，被识别。
那么，假定我们现在要做一个搜索类的功能，而且要能自动识别编码，要怎么处理？
以tomcat为例，首先要配置URIEncoding为ISO-8859-1，这样保证信息不丢失。
接着，写一个filter，从request里拿到uri，再进行编码识别，转换。编码识别的库参考：
还有另外一个思路，写一个nginx的插件，先在nginx层识别，转换好编码。当然原理都是一样的。
这东东应该没多少人用吧。不过在jetty的网页里看到了一些有用的信息：
浏览器实际上会用一个叫Punycode的编码，把域名转换成ascii-only的域名，再发起请求。
我测试了下，在chrome里输入：导航.中国
实际是转到下面这个域名去了：http://xn--fet810g.xn--fiqs8s
我们在源文件test.c里写上：
printf(“%s”, “中文”);
那么它在源文件test.c里是什么编码？在编绎出来的test.out/test.exe里是什么编码？运行时输出到屏幕(shell/cmd)上又是什么编码？
其实Python也有这种蛋疼的情况……
用IE8测试时，很神奇地发现在request里发现了QQDownload的字样，真是相当的令人无语。。
User-Agent: Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; QQDownload 751)
想要实现 www.test.com/王小明/文章 这种url是很困难的，因为你不但要应对各种浏览器的编码，还要处理各种web服务器的不同情况。
出现乱码时，首先区分request传过来的是什么编码，然后response返回的是什么编码，再逐一排查。
编码问题可以说是程序员无法回避的问题，我相信即使是很有经验的程序员，也会被坑。没有办法，现实世界就是这么坑爹，只能寻根溯源，一一排查了。
对于程序员通常，只要保证下面几点就没有问题了：