最近、たまに仕事に文字化けの現象が発生しましたので、javaの文字化けを整理してみます。

コンパイル不備の文字化け

例１：

単純なjavaサンプルですが、保存時の文字コードの設定を出力結果への影響を試します。

public class helloTokyo{
	public static void main(String[] args){
		System.out.println("hello tokyo");
		System.out.println("hello東京");
	}
}

まず、MS932で保存してコンパイルしてテストします。

文字化けなし。

次は、UTF-8で保存してコンパイルしてテストします。

見事に文字化けしています！

javacのコンパイルする際、デフォルト文字コードはOSにより変わります。日本語windowsの場合MS932です。ソースはjavacのデフォルト文字コードと一致する場合、出力は正しいです。
ただし、UTF-8でプログラムするなということではないです。以下のようにjavacのencodingパラメータを指定すれば、文字化けがなくなります！

例２：

次はjspサンプルで試験をやります。１行目のpageEncodingはコンパイル時jspファイルをどう読み込むかかの設定と理解すればよいです。contentTypeはサーバからブラウザーへ送信時の文字コードです。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="MS932"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
hello Tokyo<br>
hello 東京<br>
</BODY>
</HTML>

MS932のままで保存して実行します。文字化けなし。

次はUTF-8で保存して実行します。文字化け発見！

ソースの１行目を以下のように、pageEncodingをUTF-8に修正したら、文字化けが解消です。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>

POST送信の文字化け

WEB送信はよくPOST方法でやります。送信内容をサーバ側から受け取るとき文字化けだったら困ります。

例３：

前述の例を改修してPOST送信と送信内容表示機能を付けます。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
hello Tokyo<br>
hello <%=request.getParameter("txt")%><br>
<form method="post">
<input name="txt" value="東京">
<input type=submit value="送信">
</form>
</BODY>
</HTML>

送信ボタンを押します。文字化け発見！

開発者ツールで送信内容を取得してオンラインDecodeしてみましょう。

MS932（ShiftJISの拡張）の文字はURLエンコードディングされているとわかりました。

そしてrequestの文字コードをMS932で指定すれば問題解決です。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
<%
	request.setCharacterEncoding("MS932");
%>
hello Tokyo<br>
hello <%=request.getParameter("txt")%><br>
<form method="post">
<input name="txt" value="東京">
<input type=submit value="送信">
</form>
</BODY>
</HTML>

自分から自分へPOST送信するときjspのcontentTypeとrequestの文字コード指定を統一すれば問題なしと結論しやすいですね。正しいかどうか次の段落をみてください。

例４：

もしPOST送信先は別システムのもので向こうのrequest文字コードを編集できない場合どうすればいいですか。この場合、自分のformの文字コードaccept-charsetを指定しましょう。前述の例と区別するため、今回は、formとrequestの文字コードを全部UTF-8にします。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
<%
	request.setCharacterEncoding("UTF-8");
%>
hello Tokyo<br>
hello <%=request.getParameter("txt")%><br>
<form method="post" accept-charset="UTF-8">
<input name="txt" value="東京">
<input type=submit value="送信">
</form>
</BODY>
</HTML>

結論：POSTの場合、送信文字コード指定とrequest setCharacterEncodingこの２箇所が同じであれば文字化けなしです。別々だったら文字化けです。
formのaccept-charsetがあれば、それは送信の文字コード指定になります。formのaccept-charsetがなければ、jsp画面ロード時のcontentTypeの文字コードはデフォルトの送信文字コードになります。

GET送信の文字化け

GETは送信内容をURL経由でサーバに渡します。基本的に英数字のコードの送信を推奨されますが、たまに名称とかメッセージとかを送信してみたら、大抵ひどい目になりますね。

例５：

以下のようになもにしないままで、get方法の送信内容を取得してみます。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
<%
	String txt=request.getParameter("txt");
%>
hello Tokyo<br>
hello <%=txt%><br>
<form method="get">
<input name="txt" value="東京">
<input type=submit value="送信">
</form>
</BODY>
</HTML>

文字化け発見！

POSTと違って送信後のURLは長くなります。

http://localhost:8080/helloworld/helloTokyo.jsp?txt=%93%8C%8B%9E

また開発者ツールで閲覧する場合、MS932のエンコードとわかります。つまりcontentTypeと同じMS932です。

GET方法は、setCharacterEncodingが効かないです。話によるとtomcatの設定を変更すればsetCharacterEncodingを有効にさせることですが、好みではありません。参考までやり方を貼り付けます。

<Connector port="8080" maxHttpHeaderSize="8192"
           maxThreads="150" minSpareThreads="25" maxSpareThreads="75"
           enableLookups="false" redirectPort="8443" acceptCount="100"
           connectionTimeout="20000" disableUploadTimeout="true" 
 useBodyEncodingForURI="true"/>

プログラムの対応方法は以下です。

<%@ page language="java" contentType="text/html; charset=MS932"
 pageEncoding="UTF-8"%>
<!DOCTYPE HTML>
<HTML>
<BODY>
<%
	String txt=request.getParameter("txt");
	if (txt!=null){
		txt=new String(txt.getBytes("ISO-8859-1"),"MS932");//Tomcat7
		txt=new String(txt.getBytes("UTF-8"),"MS932");//Tomcat8～  
	}
%>
hello Tokyo<br>
hello <%=txt%><br>
<form method="get">
<input name="txt" value="東京">
<input type=submit value="送信">
</form>
</BODY>
</HTML>

結論：ISO-8859-1はjavaの内部文字コードです。tomcat7のrequestからのGET送信内容をISO-8859-1でバイト配列を作成して、送信時文字コードで文字列を再作成するということです。tomcat8以降このGET送信内容はUTF-8文字コードになっています。

tomcatコンソールの文字化け

zip版のtomcatを実行する場合、コンソール画面が文字化けです。

これは、logging.propertiesの設定による現象です。tomcatの各種設定はデフォルトとしてlinux向けです。そして、logging.propertiesに設定される文字コードもlinux向けでUTF-8にされています。windowsのデフォルト文字コードはMS932なので合わないから文字化けです。対応方法は以下のように、コンソールに出力する文字コードをMS932にすることです。

これで文字化け解決。