分析并修补 resin 的中文处理

03-07-23 jackyz

分析并修补 resin 的中文处理

请留意:以下说明基于 resin-2.1.10 ,其他版本可能并不相同。

resin 小巧,快速,稳定,广泛应用于工业强度的 web 应用。通常,大家认为是中文问题较少的一个 servlet container 。通常的解决办法是这样的,在 resin.conf 中加上:

<jsp precompile='true' static-encoding='true' recompile-on-error='true'/>
此外,在页面上,要避免使用: <%@ page contentType="text/html; charset=GBK"%> 指定字符集
<p>

应该说,这个配置能解决大部分的中文显示问题(能解决问题,但并非真正解决了问题,细节容后再叙)。直到前不久,因为在项目中应用一个 mvc 框架,中文问题才再次不可调和的浮现出来。深入代码,发现 resin 在处理中文时,其实是存在问题的。

我们来看一下“static-encoding='true'”和“不作字符集指定”是如何让中文正常显示的。在 WEB-INF 的 work 目录下,通常可以找到 resin 根据 jsp 生成的 java 代码。JSP中的字符串:"中文",在生成 java 文件的时候,这个字符串的转换会有这么几种情况:

static-encoding='false' (缺省值)(设置字符集没有影响)

    _jsp_string1 = "\u00D6\u00D0\u00CE\u00C4".toCharArray();
<p>

static-encoding='true' (不设置字符集)

    _jsp_string1 = "\u00D6\u00D0\u00CE\u00C4".getBytes();
<p>

static-encoding='true' (设置字符集GBK)

    _jsp_string1 = "\u00D6\u00D0\u00CE\u00C4".getBytes("GBK");
<p>

我们知道,字符串"中文"在正确的转换应该是"\u4e2d\u6587"长度为2(可以运行native2ascii 输入"中文" 进行检查),在JSP处理的第一个环节,上面各种情况下生成的 Java 代码,"中文"字符串都是被错误转换的。也就是说,在 jsp 被转换成为 java 文件的时候,出现了编码错误。那么为什么,在“static-encoding='true' (不设置字符集)”的情况下,它能正常显示呢?

在“static-encoding='true' (不设置字符集)”的情况下,采用默认的ISO-8859-1编码方式,两个双字节编码的GBK中文字符被当作四个字节处理,必须注意到,此时,一个中文字符被拆为两个“字节字符”来处理,字符串的长度是错误的。在显示的时候,按照默认的ISO-8859-1方式编码返回给浏览器。此时,单字节流被浏览器自动识别,认出是GBK格式,从而可以正常显示。也就是说,此时的正常显示实际上是利用了ISO-8859-1和UNICODE相互转换时按单字节处理的特点(不进行转码处理),将错就错的实现了中文的正常显示。

我们定位了问题,是在 jsp 被转换成为 java 文件的时候出现了编码错误。那么如何使JSP中的中文能正确的生成java文件?我跟踪了 resin 的源代码,找到了一个可行,但也许不是最好的解决办法。

JspParser.java of resin-2.1.10

  ///// added by jackyz
  private static String sysEncoding = System.getProperty("file.encoding");
  Page parse(Path path, String uri, String className,
             String uriPwd, CauchoRequest req, CauchoApplication app)
    throws Exception
  {
    ReadStream stream = path.openRead();
    ///// added by jackyz
    stream.setEncoding(sysEncoding);
    try {
      return parse(stream, uri, className, uriPwd,
                   path.getParent(), req, app);
    } catch (FileNotFoundException e) {
      throw e;
    } catch (IOException e) {
      if (path.isDirectory())
	throw new FileNotFoundException(path.toString());
      else
	throw e;
    } finally {
      stream.close();
    }
  }
<p>

新修改下,加上页面的GBK编码,Java程序中定义的中文字符可以正常显示,URL和FORM传递的GBK中文也能正常处理。

记得修改之后编译并更新resin.jar使这个修改生效。

参考方法:

先获取 resin-2.1.10 的源代码

cd $RESIN_HOME/src

javac -classpath ../lib/resin.jar;../lib/jsdk23.jar com/caucho/jsp/JspParser.java

jar uvf ../lib/resin.jar com/caucho/jsp/*.class

此 bug 和修改已经提交到Resin的BugTrace

*******************************************************************************

作者:jackyz

Email: jackyz[AT]163.net

版权声明:可以任意转载,转载时请务必以超链接形式标明文章原始出处和作者信息及本声明

*******************************************************************************

jackyz
2003-07-23 16:59

在这个问题上花费了不少时间,特此整理出来,希望对大家有用。

robbin
2003-07-23 17:13

很不错!

iceant
2003-07-24 01:18

假如 jsp 文件本身使用的编码不是 file.encoding Property 那怎么办呢?能正常读出吗?

如,jsp 文件以 UTF8 编码存放,而系统的 encoding 是 GBK.

jackyz
2003-07-24 16:35

> 假如 jsp 文件本身使用的编码不是 file.encoding

> Property 那怎么办呢?能正常读出吗?

> 如,jsp 文件以 UTF8 编码存放,而系统的 encoding 是

> GBK.

不能正常读出。

原则上,要将发布环境的语言和开发环境的语言设置成一致的。比如,在GBK语言环境下开发的WEB/WAR,应在GBK语言环境下发布。

排除 file.encoding 识别的因素。单就处理而言,以UTF8编码存放的JSP中如果包含中文,在GBK编码环境下发布,将会因为解码错误将不能正常生成Java文件(中文的UTF8编码通常是3字节码,而GBK编码是2字节码)。

5Go 1 2 3 4 ... 5 下一页