Java中URL解码日语字符等

Question

我有一个servlet，接收一些POST数据。因为这些数据是x-www-form-urlencoded的，所以像サボテン这样的字符串将被编码为サボテン。

我该如何将这个字符串解码回正确的字符？我尝试使用URLDecoder.decode("encoded string", "UTF-8")，但没有任何变化。

我想要解码它们的原因是，在我将这些数据显示在网页上之前，我会将&转义为&，目前它正在转义编码字符串中的&，因此字符无法正确显示。

- DanielGibbs

---

BalusC的回答是正确的，关于这个问题应该使用XML实体编码而不是URL编码；但是这个响应实际上是XML吗？如果是的话，应该只使用XML解析器--如果不是，那么服务似乎有问题，因为应该将XML作为XML返回，而不仅仅是文档中的文本片段。 - StaxMan

有没有XML？字符以HTML实体接收并作为HTML发送。 - DanielGibbs

Answer 1

这些不是URL编码。它应该长成%E3%82%B5%E3%83%9C%E3%83%86%E3%83%B3的样子。这些是十进制 HTML/XML 实体。要取消转义HTML/XML实体，请使用Apache Commons Lang StringEscapeUtils。

---

根据评论更新：当响应编码不是UTF-8时，您将会得到问号。如果您正在使用JSP，则只需在页面顶部添加以下行即可：

<%@ page pageEncoding="UTF-8" %>

有关一半的解决方案的更多详细信息，请参见this article。我更喜欢使用UTF8全程而不是摆弄正则表达式，因为正则表达式不能为您的世界统治做准备。

- BalusC

---

我尝试了StringEscapeUtils，但它会把日文字符转换成问号。因此，我认为我不会对其进行解码和重新编码，而是使用正则表达式来忽略前导的&，在将&替换为&时。 - DanielGibbs

好的，我正在使用servlets而不是JSP，但我会看一下这篇文章。良好的编码绝对比在机器接管时手无足措更可取。 - DanielGibbs

@DanieL：在servlet中，执行response.setCharacterEncoding("UTF-8")和response.setContentType("text/html;charset=UTF-8");。请注意，在servlet中打印HTML而不是将工作委派给JSP并不是最佳实践... - BalusC

我觉得我可能把事情搞砸了一点，但你的意思是我应该接收带有实体等的字符串，将其解码成UTF-8字符串，并将其用于所有未来的目的（输出、数据库等）？ - DanielGibbs

结果证明我需要执行 request.setCharacterEncoding("UTF-8")。希望从这里开始可以让所有东西正常工作。感谢您的所有帮助！ - DanielGibbs

Answer 2

这是浏览器的一个特性/错误。如果网页使用了有限的字符集，比如ASCII码，而用户在表单字段中输入了一些超出该字符集范围的字符，浏览器会将这些字符以$#xxxx;的形式发送。

这可能会成为一个问题，因为如果用户实际上输入了$#xxxx;，它们将按原样发送。因此，服务器无法区分这两种情况。

最好的方法是使用覆盖所有字符的字符集，例如UTF-8，这样浏览器就不会使用这个技巧。

- irreputable

Answer 3

正则表达式怎么样？

Pattern pattern = Pattern.compile("&([^a][^m][^p][^;])?");
Matcher matcher = pattern.matcher(inputStr);
String output = matcher.replaceAll("&$1");

- Byron Whitlock

---

我认为我将不得不使用正则表达式来替换&为&并忽略HTML实体，但你的方法会将サボテン转换为&69;&08;&86;&31;。 - DanielGibbs

好的，我已经让"&（？！＃\d+;）"正常工作了。还有需要做什么修改吗？ - DanielGibbs

我刚刚修改了我的示例，替换了匹配的表达式。现在应该可以运行了。 - Byron Whitlock

它能工作，但似乎与replaceAll("&", "&")做的事情相同。我想要做的是将所有的&替换为&，但不包括像サ这样的HTML实体。 - DanielGibbs

Answer 4

只是一个猜测，你是否在使用Tomcat？

如果是的话，请确保已经在Tomcat中设置了Connector的URIEncoding为UTF-8。在网上搜索一下，你会发现有很多相关的结果，比如：

如何在Java Web应用程序中让UTF-8正常工作？

- rfeak

---

是的，我已经将URIEncoding设置为UTF-8，但没有任何区别，很可能是因为正如@BalusC所指出的那样，我谈论的是HTML实体，而不是URL编码。 - DanielGibbs

Tomcat的URIEncoding适用于HTTP请求第一行中的URI，而不适用于POST请求的正文。 - erickson

没错，它只适用于GET，而不适用于POST。 - BalusC