一次HTTP请求的编解码。

绝地灬酷狼 2024-02-18 22:15 9阅读 0赞

## URL的编解码 ##

注意：这里所说的URL和URI是针对Servlet进行描述的，也就是request.getRequestURL()和request.getRequestURL()返回的URL和URI结果。  
解析请求的URL是在org.apache.coyote.HTTP11.InternalInputBuffer的parseRequestLine方法中进行的，这个方法把传过来的URL的byte\[\]设置到org.apache.coyote.Request的相应属性中。这里的URL仍然是byte格式，转成char是在org.apache.catalina.connector.CoyoteAdapter的converURI方法中完成的。  
对URL的URI部分进行解码的字符集是在connector的<Connector URIEncoding="UTF-8" />中定义的，如果没有定义，那么将以默认编码ISO-8859-1解析。所以有中文URL时最好把URIEncoding设置成UTF-8编码。  
下面介绍对QueryString（请求参数）的解析过程。以GET方式HTTP请求的QueryString与以POST方式HTTP请求的表单参数都是作为Parameters保存的，都通过request.getParameter获取参数值。对他们的解码是在request.getParameter方法第一次被调用时进行的。request.getParameter方法被调用时将会调用org.apache.catalina.connector.Request的parseParameters方法。这个方法将会对GET和POST方式传递的参数进行解码，但是他们的解码字符集有可能不一样。QueryString的解码字符集是在哪里定义的呢。他本身是通过HTTP的Header传到服务端的，并且也在URL中，但是否和URI的解码字符集一样呢。从前面浏览器对PathInfo（请求的具体的Servlet）和QueryString的编码采取不同的编码格式可以猜测到解码字符集肯定不会一致。的确是这样，QueryString的解码字符集要么是Header中ContentType定义的Charset，要么是默认的ISO-8859-1，要使用ContentType中定义的编码，就要将connector的<Connector URIEncoding="UTF-8" useBodyEncodingForURI="true" />中的useBodyEncodingForURI设置为true。这个配置项的名字容易让人产生混淆，他并不是对整个URL都采用BodyEncoding进行解码，而仅仅是对QueryString使用BodyEncoding解码，对这一点还要特别注意。

**从上面的URL编码和解码过程来看 ，比较复杂，而且编码和解码并不是我们在应用程序中能完全控制的，所以在我们的应用程序中，应该尽量避免在URL中使用非ASCII字符，不然很可能会碰到乱码问题。当然在我们的服务器端最好设置<Connector/>的URIEncoding和useBodyEncodingForURI两个参数。**

## HTTP Header的编解码 ##

当客户端发起一个HTTP请求时，除上面的URL外还可能会在Header中传递其他参数，如Cookie、redirectPath等，这些用户设置的值很可能也会存在编码问题，Tomcat对他们又是怎么解码的呢。  
对Header中的项进行解码也是在调用request.getHeader时进行的。如果请求的Header项没有解码则调用MessageBytes的toString方法，这个方法从byte到char的转化使用的默认编码也是ISO-8859-1，而我们也不能设置Header的其他解码格式，所以如果你设置的Header中有非ASCII字符，解码中肯定会有乱码。  
我们在添加Header时也是同样的道理，不要在Header中传递非ASCII字符，如果一定要传递，可以先将这些字符用org.apache.catalina.util.URLEncoder编码，再添加到Header中，这样在从浏览器到服务器的传递过程中就不会丢失信息了，我们要访问这些项时再按照相应的字符集解码即可。

## POST表单的编解码 ##

前面提到了POST表单提交的参数的解码是在第一次调用request.getParameter时发生的，POST表单的参数传递方式与QueryString不同，他是通过HTTP的BODY传递到服务端的。当我们在页面上单击提交按钮时浏览器首先将根据ContentType的Charset编码格式对在表单中填入的参数进行编码，然后提交到服务器端，在服务器端同样也是用ContentType中的字符集进行解码的。所以通过POST表单提交的参数一般不会出现问题，而且这个字符集编码是我们自己设置的，可以通过request.setCharacterEncoding(charset)来设置。  
注意，你一定要在第一次调用request.getParameter方法之前就设置request.setCharacterEncoding(charset)，否则你的POST表单提交上来的数据也可能出现乱码。发现了一个奇怪的现象，就是Tomcat在解析Parameter参数集合之前会获取Header的content-type请求头，并且检查这个content-type中的charset值。在默认情况下浏览器在提交form表单时，提交的content-type是不会含有charset信息。  
所以如果没有设置request.setCharacterEncoding(charset)，那么表单提交的数据将会按照系统的默认编码方式解析。  
另外，针对multipart/form-data类型的参数，也就是上传的文件编码，同样也使用ContentType定义的字符集编码。值得注意的地方是，上传文件是用字节流的方式传输到服务器的本地临时目录，这个过程并没有涉及字符编码，而真正编码是在文件内容添加到parameters中时，如果用这个不能编码，则将会使用默认编码ISO-8859-1来编码。

## HTTP Body的编解码 ##

当用户请求的资源已经成功获取后，这些内容将通过Response返回给客户端浏览器。这个过程要先经过编码，再到浏览器进行解码。编解码字符集可以通过response.setCharacterEncoding来设置，他将会覆盖request.getCharactorEncoding的值，并且通过Header的Content-Type返回客户端，浏览器接收到返回的Socket流时将通过Content-Type的charset来解码。如果返回的HTTP Header中Content-Type没有设置charset，那么浏览器将根据HTML的<meta HTTP-equiv="Content-Type" content="text/html; charset=GBK" />中的charset来解码。如果也没有定义，那么浏览器将使用默认的编码来解码。  
访问数据库都是通过客户端JDBC驱动来完成的，用JDBC来存取数据时要和数据内置编码保持一致，可以通过设置JDBC URL来指定，如MySQL：url="jdbc:mysql://localhost:3306/DB?useUnicode=true&characterEncoding=GBK"。