Question

我正在使用Java和Tomcat 8开发一个Web应用程序。该应用程序有一个页面，用于上传文件，其中的内容将显示在不同的页面中。简单明了。

但是，这些文件可能包含不常见的字符作为其文本的一部分。现在，我正在使用包含越南文本的文件。

该文件以UTF-8编码，可以在任何文本编辑器中打开。但是，我找不到任何方式上传它并保持内容的正确编码，尽管搜索了很多并尝试了很多不同的东西。

我上传文件的页面包含以下格式：

<form method="POST" action="upload" enctype="multipart/form-data" accept-charset="UTF-8" >
                                File: <input type="file" name="file" id="file"  multiple/><br/>
                                Param1: <input type="text" name="param1"/> <br/>
                                Param2: <input type="text" name="param2"/> <br/>
                                <input type="submit" value="Upload" name="upload" id="upload" />
                            </form>

它还包含：

<%@page contentType="text/html" pageEncoding="UTF-8"%>
...
<meta http-equiv="content-type" content="text/html; charset=UTF-8">

我的servlet看起来像这样：

protected void processRequest(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {
        try {
            response.setContentType("text/html;charset=UTF-8");
            request.setCharacterEncoding("UTF-8");

            String param1 = request.getParameter("param1");

            String param2 = request.getParameter("param2");

            Collection<Part> parts = request.getParts();

            Iterator<Part> iterator = parts.iterator();
            while (iterator.hasNext()) {
                Part filePart = iterator.next();
                InputStream filecontent = null;

                filecontent = filePart.getInputStream();

                String content = convertStreamToString(filecontent, "UTF-8");

                //Save the content and the parameters in the database

                if (filecontent != null) {
                    filecontent.close();
                }
            }

        } catch (ParseException ex) {
        } 
    }

static String convertStreamToString(java.io.InputStream is, String encoding) {
        java.util.Scanner s = new java.util.Scanner(is, encoding).useDelimiter("\\A");
        return s.hasNext() ? s.next() : "";
    }

尽管付出了很多努力，我仍然无法获得保留正确字符的“内容”字符串。我要么得到类似“K？n”或“Káº”的东西（这似乎是ISO-8859-1的解释），当正确的应该是“Kạn”时。

要添加问题，如果我在其他表单参数（param1或param2）中编写越南字符，这也是必要的，我只能在设置表单的accept-charset和servlet时才能正确读取它们扫描仪编码为ISO-8859-1，我绝对不明白。在这种情况下，如果我打印接收的参数，我会得到类似“K＆amp;＃7 8 4 1; n”（没有空格）的内容，其中包含正确字符的表示。所以似乎可以使用ISO-8859-1从表单中读取越南字符，只要表单本身使用该字符集即可。但是，它永远不会对上传文件的内容起作用。我甚至尝试用ISO-8859-1对文件进行编码，将charset用于所有内容，但它根本不起作用。

我确信这种情况并不罕见，所以我想向以前曾经去过那里的人们寻求帮助。我可能错过了什么，所以任何帮助都表示赞赏。

提前谢谢。

编辑1：虽然此问题尚未收到回复，但我会继续发布我的调查结果，以防有人感兴趣或关注它。

在尝试了许多不同的事情之后，我似乎已经缩小了问题的原因。我创建了一个类，它从磁盘中的特定文件夹中读取文件并打印其内容。代码如下：

public static void openFile() {
    System.out.println(String.format("file.encoding: %s", System.getProperty("file.encoding")));
    System.out.println(String.format("defaultCharset: %s", Charset.defaultCharset().name()));

    File file = new File(myFilePath);
    byte[] buffer = new byte[(int) file.length()];
    BufferedInputStream f = null;
    String content = null;
    try {
        f = new BufferedInputStream(new FileInputStream(file));
    } catch (FileNotFoundException ex) {
    }

    try {
        f.read(buffer);
        content = new String(buffer, "UTF-8");
        System.out.println("UTF-8 File: " + content);
        f.close();
    } catch (IOException ex) {
    }
}

然后我在这个类中添加了一个main函数，使其可执行。当我独立运行它时，我得到以下输出：

file.encoding：UTF-8
  defaultCharset：UTF-8
  UTF-8文件：{“...Kạn...”}

但是，如果将项目作为webapp运行，就像它应该的那样，并从该类调用相同的函数，我得到：

file.encoding:Cp1252
  defaultCharset：windows-1252
  UTF-8文件：{“... K？n ...”}

当然，这清楚地表明webapp用于读取文件的默认编码不是UTF-8。所以我做了一些关于这个主题的研究，并找到了为Tomcat创建setenv.bat并让它执行的经典答案：

set "JAVA_OPTS=%JAVA_OPTS% -Dfile.encoding=UTF-8"

然而，结果仍然不对：

file.encoding：UTF-8
  defaultCharset：UTF-8
  UTF-8文件{“...Káº¡n......”}

我现在可以看到默认编码变为UTF-8。但是，从文件中读取的内容仍然是错误的。上面显示的内容与我在Microsoft Word中打开文件时所获得的内容相同，但选择使用ISO-Latin-1而不是UTF-8来读取它。出于某些奇怪的原因，读取文件仍然在某处使用ISO-Latin-1，尽管所有内容都指出使用UTF-8。

同样，如果有人可能对此有任何建议或指示，我们将非常感激。

Answer 1

我似乎无法结束这个问题，所以让我为我找到的答案做出贡献。

问题在于调查此类问题非常棘手，因为代码中有许多点可能会更改编码（页面，表单编码，请求编码，文件读取，文件写入，控制台输出），数据库写作，数据库阅读......）。

就我而言，在完成我在问题中发布的所有内容之后，我失去了大量时间来尝试解决一个不再存在的问题，仅仅因为我的IDE中的控制台输出（NetBeans，for该项目）没有使用所需的字符编码。所以我在某一点做了一切正确的事情，但是当我试图打印任何东西时，我都会弄错。在我开始将日志写入文件而不是控制台，从而控制编写编码后，我开始清楚地理解这个问题。

在我的问题（编辑之前）中描述的所有内容之后，我的解决方案中缺少的是配置数据库连接的编码。令我惊讶的是，即使我的数据库和我的所有表都使用UTF-8，应用程序和MySQL之间的通信仍然是ISO-Latin。最后遗漏的是添加＆＃34; useUnicode = true＆amp; characterEncoding = utf-8＆＃34;连接，就像这样：

con = DriverManager.getConnection("jdbc:mysql:///dbname?useUnicode=true&characterEncoding=utf-8", "user", "pass");

感谢这个答案，以及其他许多人：https://stackoverflow.com/a/3275661/843668

Java for Web - 编码错误的Multipart / form-data文件

1 个答案: