题来源：

在微信公众号开发指定回复消息为文本格式的时候，尝试了几种换行方式都不行，最终了解即 XML 的换行应使用：

是字符实体编号（16进制），可以用于处理XML中文本的换行。

对应的正确代码在第9行（部分文字有修改）：

<xml>
 <ToUserName><![CDATA[<%=toUserName %>]]></ToUserName>
 <FromUserName><![CDATA[<%=fromUserName %>]]></FromUserName>
 <CreateTime><% createTime %></CreateTime>
 <MsgType><![CDATA[<%=msgType %>]]></MsgType>
 <% if (msgType==='text') { if(content!=="zs") { %>
 <Content><![CDATA[<%=content %>]]></Content>
 <% } else { %>
 <Content>欢迎来到报名图书馆暑假工！
报名步骤：
①将招聘推文转发至朋友圈或者40人以上的群，让更多同学了解本招聘。为招聘方宣传以找到更多优质学生员工。
→<a href="http://a.xiumi.us/board/v5/29Ndm/47380885">点此进入招聘推文</a>
②回复你的资料：报名+姓名+电话号码+深圳哪个区+可上班时间
</Content>
 <% }} else if (msgType==='zs') { %>
 <Content><a href="http://www.baidu.com/?k381740148">ddwadwada</a></Content>
 <% } else if (msgType==='image') { %>
 <Image>
 <MediaId><![CDATA[<%=content.mediaId %>]]></MediaId>
 </Image>
 ...
</xml>

由这个问题，我们想到web开发中还有一些类似的“乱码”，这些乱码又有哪些规律呢？

字符实体

字符实体是XML和HTML中的字符编码方式，也就是上面事例中提到的，格式为：

& + 实体名称 + ;
& + (# + unicode编码) + ;

实体名称一般是有意义的词，方便大家记忆，比如小于号<的实体名称是lt，也就是less than的缩写。只有部分符号是有实体名称的，使用unicode编码是更通用的写法。

像文字类一般不会采用这种编码方式，主要用于在HTML或XML文档中输出一些保留字符和空格，比如我想在HTML中展示一段html代码就需要使用字符实体

比如我们要展示`<p>情深深雨蒙蒙</p>` 以下两种表示是等效的
?
<pre>
 <p>情深深雨蒙蒙</p>
 <p>情深深雨蒙蒙</p>
</pre>

总而言之，字符实体是HTML和XML中的编码方式，比如在HTML文档中写入：我，那么最终页面上看到的是我这个汉字。

unicode字符

编程语言中的unicode字符的格式为：

\u + 16进制unicode编码

绝大多数编程语言，包括CSS中都支持unicode字符，不过HTML和XML是不支持的。那么什么时候使用unicode字符呢？一般来说有两种场景：

1. 避免文件保存时采用不同编码导致的乱码，因为\u已经声明了是unicode。
2. 正则匹配中的一些应用：Unicode编码及在正则表达式中的使用

在JS中可以使用charCodeAt()获取字符串的10进制unicode编码

URL编码

类似%E6%88%91这样的，叫做URL编码，在链接的参数里非常常见

网络标准RFC 1738做了硬性规定：

“只有字母和数字[0-9a-zA-Z]、一些特殊符号”$-_.+!*'(),”[不包括双引号]、以及某些保留字，才可以不经过编码直接用于URL。”

所以像汉字，空格这些都必须经过转码。上面讲的unicode字符，字符实体用的都是unicode编号，而URL编码用的则是utf-8, 规则是将utf-8编码每隔两个字符加一个%

UTF 是英文 Unicode Transformation Format 的缩写，意为把 Unicode 字符转换为某种格式。unicode和utf-8并不是同一种东西，但是又存在着联系：unicode是信源编码，对字符集数字化; utf-8，utf-16这些是信道编码，为更好的存储和传输。

简单说，unicode就是一组数字，每一个数字对应一个字符。utf-8就是对字符的传输和保存时的规则。比如说“我”这个字，unicode码（16进制）是6211，utf-8是E68891, 那么对应的URL编码就是%E6%88%91;

{
 Unicode编码: 0x6211,
 UTF8编码: E68891,
 UTF16编码: FEFF6211,
 UTF32编码: 0000FEFF00006211
 URL编码: %E6%88%91
}

更多细节可以参考《阮一峰：关于URL编码》

总结

Web开发中常见的几种乱码包括：Unicode字符、字符实体、URL编码。如以下情况都表示“我”：

Unicode字符： \u6211
字符实体编号（16进制）：我
字符实体编号（10进制）：我
URL编码：%E6%88%91

这些编码规则的本质都是一些特殊符号 + Unicode编码 所组成。

希望本文能帮助到您！

点赞+转发，让更多的人也能看到这篇内容（收藏不点赞，都是耍流氓-_-）

关注 ｛我｝，享受文章首发体验！

每周重点攻克一个前端技术难点。更多精彩前端内容私信 我 回复“教程”

原文链接：http://eux.baidu.com/blog/fe/web%E5%BC%80%E5%8F%91%E4%B8%AD%E5%B8%B8%E8%A7%81%E7%9A%84%E4%B9%B1%E7%A0%81

作者： 郑佳润

开发过程中，经常遇到中文乱码问题，以前总是解决就好，并没有对该问题总结一下，现在来总结一下开发过程中常见的中文乱码问题。

一、有必要了解一些基本的编码知识：

• 这篇字符编码笔记是必读的

• jsp的三次编码

  第一阶段：JVM将.jsp文件编译为.java文件。JVM先读取pageEncoding的值，根据该值去读取.jsp文件，然后由指定的编码方案生成UTF-8的.java文件。

  第二阶段：JVM将.java文件转换为.class文件，从UTF-8至UTF-8。这个过程就与任何编码的设置都没有关系了，经过这个阶段后.java文件就转换成了统一的UTF-8编码的.class文件了。

  第三阶段：服务器将处理的结果返回给浏览器，这个阶段则依靠contentType的charset，如果设置了charset则浏览器就会使用指定的编码格式进行解码，否则采用默认的ISO-8859-1编码格式进行解码处理。

• jsp中的编码设置

1. pageEncoding:<%@ page pageEncoding=”UTF-8”%>

   上文中第一阶段，使用该值去读取jsp文件，为避免中文乱码，跟jsp文件编码一致；对服务器响应进行重新编码，即jsp的输出流在浏览器中显示的编码（不是主要作用）。

2. contentType: <%@ page contentType=”text/html;charset=UTF-8”%>

   使用该值对服务器响应进行重新编码，即jsp的输出流在浏览器中显示的编码；对表单get和post请求数据编码；上文中第一阶段，使用该值去读取jsp文件（不是主要作用）。

3. < META http-equiv=”Content-Type” content=”text/html;charset=UTF-8”>

   网页的编码信息 ，说明页面制作所使用的编码。

4. request.setCharacterEncoding()

   可用在servlet和jsp页面中，作用是设置对客户端请求进行重新编码的编码，即post方式提交的数据进行编码。

5. response.setCharacterEncoding()

   与<%@ page contentType=”text/html;charset=UTF-8”%>一样。

6. response.setContentType()

   与<%@ page contentType=”text/html;charset=UTF-8”%>一样。

7. response.setHeader(“Content-Type”,”text/html;charset=UTF-8”)

   与< META http-equiv=”Content-Type” content=”text/html; charset=UTF-8”>一样。

   注意：上文1,2,3中有部分功能是一样的，是有优先级的，在读取jsp文件时，1>2；在对服务器响应进行编码的时候，2>1>3，一般情况下，1，2都写。

二、中文乱码的几种情况及最简单的解决方案：

• pageEncoding设置错误

  pageEncoding设置为jsp文件的编码类型。

• 查询字符串包含中文

  中文的编码方式取决于浏览器，chrome为UTF-8，IE为GB2312，这是由于浏览器并没有遵循URI编码规范。有两种解决方法：

1. 开发过程中，将查询字符串提前编码，

   如：http://www.baidu.com/demo?demo=%D6%D0%B9%FA (UTF-8编码)

2. 在Servlet的doGet()方法中添加

1

String value=new String(request.getParameter("parameterName").getBytes("ISO-8859-1")，"浏览器的编码方式");

• 表单中的get和post数据包含中文

  中文的编码方式取决于上文的contentType中的charset，有两种解决办法：

1. 在Servlet的doPost()方法中添加request.setCharacterEncoding(“charset的值”);(仅对post有用)

2. 在Servlet的doPost()方法中添加

1

String value=new String(request.getParameter("parameterName").getBytes("ISO-8859-1")，"charset的值");

三、原理

我们通过上面的方法可以解决乱码问题，下面讲讲原理：

• 客户端发到服务器的数据需要在客户端进行编码，类似于：String parameterName="中国".getBytes("UTF-8")然后将编码后的数据发到服务器。

• 客户端接受数据，request.getParameter(“”)的作用就是对接收到的数据进行解码，默认使用ISO-8859-1进行解码，可以使用request.setCharacterEncoding(“”)进行设置，但仅对post有用。假如我们使用默认的ISO-8859-1，肯定乱码，因为编码跟解码不一致，那此时怎么办呢，引出了上文中的两种解决方案：使用request.setCharacterEncoding(“”)改变request.getParameter(“”)的解码方式或者new String(request.getParameter("parameterName").getBytes("ISO-8859-1")，"charset的值")将request.getParameter(“”)解码的数据重新编码再解码。

四、其他

在jsp中的页面使用response.setContentType()等设置字符集会破坏jsp容器自身的页面编码，会引起html中字符乱码，脚本不会乱，所以不建议设置。在开发中多采用page指令设置字符集。

1234567891011121314151617

<%	response.setContentType("text/html;charset=UTF-8");	String str=new String("你好".getBytes("iso-8859-1"),"utf-8");%><!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"><html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"><title>Insert title here</title></head><body><p>你好</p><br><%=str %></body></html>

网页测试