分析并修补 resin 的中文处理

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

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();

static-encoding=´true´ (不设置字符集)

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

static-encoding=´true´ (设置字符集GBK)

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

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，必须注重到，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(); } }