Web 服务器如何知道发布给它们的表单中使用的字符集？

Question

当 Web 服务器获取表单的 POST 时，将其解析为参数值对非常简单。但是，如果这些值包含浏览器编码的非英语字符，则浏览器必须知道所使用的字符集才能对其进行解码。

我检查了两个帖子发送的请求。一种是从使用 UTF-8 的页面完成的，另一种是从使用 Windows-1255 的页面完成的。相同的文本有不同的编码。 AFAIK，Content-type 标头可以在 application/x-www-form-urlencoded 之后包含一个字符集，但事实并非如此（使用 Firefox）。

在 servlet 中，当您使用 request.getParameter() 时，您应该获得解码后的值。 servlet 容器是如何做到这一点的？它是否总是押注于 UTF-8，使用一些启发式方法，还是我缺少某种确定性的方法？

Answer 1

来自 Serlvet 3.0 规范，第 3.10 节请求数据编码（重点是我的）

目前，许多浏览器不随 ContentType 标头发送 char 编码限定符，从而使读取的字符编码的确定保持开放状态
HTTP 请求。容器用于创建请求的默认编码
如果未指定，则请求读取器和解析 POST 数据必须为“ISO-8859-1”
按客户要求。然而，为了向开发者表明，在这种情况下，
客户端发送字符编码失败，容器返回null
getCharacterEncoding 方法。

如果客户端没有设置字符编码，且请求数据采用字符编码
与上述默认编码不同，可能会发生损坏。到
为了解决这种情况，一个新方法 setCharacterEncoding(String enc) 有
已添加到 ServletRequest 接口。开发者可以重写
容器通过调用此方法提供的字符编码。一定是
在解析任何发布数据或读取请求中的任何输入之前调用。呼唤
此方法一旦读取数据，不会影响编码。

在实践中，我发现在响应中设置字符集会影响后续 POST 中使用的字符集。为了更加确定，您可以编写一个调用 setCharacterEncoding 在每个请求对象使用之前。

您可能还会发现此线程很有用 - 检测HTTP POST 请求

Answer 2

用于指定字符集的适当标头是Accept-Charset。

最新的 Linux 版 Chrome，例如，吐槽：
Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.3

每个请求的

。 http://www.w3.org/Protocols/rfc2616/rfc2616-第 14.2 节sec14.html 指出：

Accept-Charset 请求标头字段可用于指示响应可接受哪些字符集。该字段允许客户端能够理解更全面或专用的字符集，并向能够以这些字符集表示文档的服务器表明该能力。

(...)

如果没有 Accept-Charset 标头
目前，默认是任何
字符集是可以接受的。如果一个
存在 Accept-Charset 标头，并且
如果服务器无法发送响应
这是可以接受的
Accept-Charset header，然后是服务器
应发送错误响应
406（不可接受）状态代码，
尽管发送了不可接受的
也允许响应。

因此，如果您从客户端收到这样的标头，则 q 最高的值可能是您从其接收的编码。