如何确定字符串是否包含无效的编码字符

我问了同样的问题，

在Tomcat上处理URI中的字符编码

我最近找到了一个解决方案，对我来说效果很好。您可能需要尝试一下。这是您需要做的，

1. 将您的URI编码保留为Latin-1。在Tomcat上，将URIEncoding =“ ISO-8859-1”添加到server.xml中的连接器。
2. 如果必须手动进行URL解码，也可以将Latin1用作字符集。
3. 使用fixEncoding（）函数修正编码。

例如，要从查询字符串获取参数，

  String name = fixEncoding(request.getParameter("name"));

您可以始终这样做。正确编码的字符串不会更改。

该代码已附加。祝好运！

 public static String fixEncoding(String latin1) {  try {   byte[] bytes = latin1.getBytes("ISO-8859-1");   if (!validUTF8(bytes))    return latin1;      return new String(bytes, "UTF-8");    } catch (UnsupportedEncodingException e) {   // Impossible, throw unchecked   throw new IllegalStateException("No Latin1 or UTF-8: " + e.getMessage());  } } public static boolean validUTF8(byte[] input) {  int i = 0;  // Check for BOM  if (input.length >= 3 && (input[0] & 0xFF) == 0xEF    && (input[1] & 0xFF) == 0xBB & (input[2] & 0xFF) == 0xBF) {   i = 3;  }  int end;  for (int j = input.length; i < j; ++i) {   int octet = input[i];   if ((octet & 0x80) == 0) {    continue; // ASCII   }   // Check for UTF-8 leading byte   if ((octet & 0xE0) == 0xC0) {    end = i + 1;   } else if ((octet & 0xF0) == 0xE0) {    end = i + 2;   } else if ((octet & 0xF8) == 0xF0) {    end = i + 3;   } else {    // Java only supports BMP so 3 is max    return false;   }   while (i < end) {    i++;    octet = input[i];    if ((octet & 0xC0) != 0x80) {     // Not a valid trailing byte     return false;    }   }  }  return true; }

编辑：您的方法由于各种原因而行不通。当出现编码错误时，您不能指望从Tomcat获得的内容。有时你会得到``？’‘？有时候，您什么也得不到，getParameter（）返回null。假设您可以检查“？”，那么查询字符串包含有效的“？”会发生什么情况？？

此外，您不应拒绝任何请求。这不是您用户的错。正如我在原始问题中提到的那样，浏览器可以使用UTF-8或Latin-1编码URL。用户无法控制。您需要接受两者。将您的servlet更改为Latin-1会保留所有字符，即使它们是错误的也是如此，从而使我们有机会对其进行修复或丢弃。

我在这里发布的解决方案并不完美，但这是迄今为止我们发现的最好的解决方案。