Android 上的 HTTP 服務相關函式 (III)

The introduction of HTTP connection APIs on Android platform - Part III.

在 這裡 和 這裡 我已經介紹要如何透過 http 向伺服器要資料。

在這，我想要談的是如何在 http 傳輸中，處理中文資料。

上傳的資料內有中文

首先，我們常常要上傳一個表單內的資料給伺服器。如果用 post 的方式，程式大概像這樣。

HttpClient hc = new DefaultHttpClient(); HttpPost post = new HttpPost("http://xxx.com"); List <NameValuePair> nvps = new ArrayList <NameValuePair>(); nvps.add(new BasicNameValuePair("username", "陳水")); nvps.add(new BasicNameValuePair("password", "24588")); nvps.add(new BasicNameValuePair("nickname", "欠扁")); post.setEntity(new UrlEncodedFormEntity(nvps)); HttpResponse rp = hc.execute(post); ...

如果伺服器端是 PHP 的話，我保證 $_POST['username'], $_POST['nickname'] 這兩個變數看到的都是亂碼。這原因是，在第 8 行中，你並沒有告訴 UrlEncodedFormEntity()，你傳進的那些參數值字串的編碼為何。預設的編碼是 ISO-8859-1，這當然會把你的傳入的 UTF-8 中文搞亂了。

正確的寫法，應該將第 8 行，改成 post.setEntity(new UrlEncodedFormEntity(nvps, HTTP.UTF_8));

另外，熟 http 的人，可能會問，你不用設定 "application/x-www-form-urlencoded" 嗎？答案是，不用。因為，UrlEncodedFormEntity() 最重要的功能，就是幫你加上 setContentType("application/x-www-form-urlencoded")。

下載的資料內有中文

延續上面的例子，如果要抓這伺服器回傳的字串資料。不少人會將程式寫成下面這樣。

if (rp.getStatusLine().getStatusCode() == HttpStatus.SC_OK) { InputStream is = rp.getEntity().getContent(); byte[] data = new byte[1024]; int n String str = ""; while ((n = is.read(data)) != -1) str += new String(data); }

當回傳的字串資料，只有簡單的英文字元時，這樣的程式都可以處理。可是遇到中文時，我相信又是亂碼一堆。這樣的程式有兩個問題：
1. 要先從 InputStream 中將所有的資料都讀到 byte array 中。像這樣，一邊讀，一邊轉成 String，可能會將一個中文字，切成兩半。
2. 假設這資料中的中文編碼是 UTF-8，要將 byte array 轉成 String，那你要用 new String(data, "UTF-8")。

正確的寫法，應該像這樣。

if (rp.getStatusLine().getStatusCode() == HttpStatus.SC_OK) { InputStream is = rp.getEntity().getContent(); byte[] data = new byte[1024]; int n; ByteArrayBuffer buf = new ByteArrayBuffer(1024); while ((n = is.read(data)) != -1) buf.append(data, 0, n); String str = new String(buf.toByteArray(), HTTP.UTF_8); }

不過，如果你是用 HttpClient，那有個更好用的函式 - EntityUtils.toString()。用這個函式，上面的程式可以改寫成這樣。

if (rp.getStatusLine().getStatusCode() == HttpStatus.SC_OK) { String str = EntityUtils.toString(rp.getEntity()); }

怎麼這麼神奇！都不用告訴他 "UTF-8" 這個編碼資訊嗎？

讓我們來看一下 EntityUtils.toString() 的原始程式，就可以了解他是如何做到的。

public static String toString(HttpEntity entity, String defaultCharset) throws IOException, ParseException { Reader reader; CharArrayBuffer buffer; InputStream instream = entity.getContent(); int i = (int)entity.getContentLength(); if(i < 0) i = 4096; String charset = getContentCharSet(entity); if(charset == null)　charset = defaultCharset; if(charset == null)　charset = "ISO-8859-1"; reader = new InputStreamReader(instream, charset); buffer = new CharArrayBuffer(i); char tmp[] = new char[1024]; int l; while((l = reader.read(tmp)) != -1) buffer.append(tmp, 0, l); ... return buffer.toString(); } public static String getContentCharSet(HttpEntity entity) throws ParseException { ... String charset = null; if(entity.getContentType() != null) { HeaderElement values[] = entity.getContentType().getElements(); if(values.length > 0) { NameValuePair param = values[0].getParameterByName("charset"); if(param != null) charset = param.getValue(); } } return charset; }

看到了嗎？第 11 行會呼叫 getContentCharSet()，來取得這回傳資料的編碼資訊。而這 getContentCharSet() 就是從伺服器回應的 header 中，找出 charset ，並回傳伺服器端所設定的編碼資訊。因此，當你發現 EntityUtils.toString() 還是不能正確解碼時，那你要先看看伺服器的回應檔頭中，是否有像這樣 "Content-Type: text/plain; charset=UTF-8"，描述 charset 的資訊。