中文文件名无法下载的问题
/**
慈勤强
*/
在网上经常会看到有人问这样的问题:“我的文件名是中文的,放到Web服务器上让别人下载,
却总是提示找不到文件,不过文件明明在那里呀?”。这种问题说到底就是编码的问题,什么UTF8、
GBK、BIG5,一看就头疼。
对于这种问题,网上也有人提出了好多解决办法,比如对请求的文件名编码,或者把IE->工具
--〉选项--〉高级 最下边的始终以UTF8编码发送的勾去掉,也就是不用UTF8编码发送URL,不过
因为IE是默认的以UTF编码发送,所以就要每个人都改IE设置。
出现这种问题的大致原因就是:IE把URL中的中文以UTF8编码--->Web服务器接到URL之后,要进行
解码,不同的WEB服务器解码规则也是不同的,不过一般都是以默认的字符集来解码,比如中文系统
一般都是GBK吧,这样解出来的编码自然就是错的。
我的机器环境是:win2000中文+IIS5 ,下面我们来做个实验
一、在web根目录下新建一个文件,文件名为 "慈勤强.txt",内容为慈勤强
我们通过网页访问http://127.0.0.1/慈勤强.txt, 发现这个没问题,能够正常显示文件内容
二、我们再建一个文件 "勤强.txt",内容为勤强
我们通过网页访问http://127.0.0.1/勤强.txt ,结果发现,无法找到网页
三、我们再建一个文件 "鍕ゅ己.txt" ,内容为 “乱码”
我们通过网页访问http://127.0.0.1/鍕ゅ己.txt ,发现这个也没有问题,可以正常显示
四、这时,我们再访问一下http://127.0.0.1/勤强.txt ,结果发现又可以访问了,
但是很遗憾,出现的内容并不是我们希望的“勤强”,而是"乱码",也就是"鍕ゅ己.txt"文件的内容.
至此,大家应该可以明白一点了,就是"勤强"经过UTF8编码以后,IIS再用GBK解码,就解码成了"鍕ゅ己"
关于编码是挺繁琐的一件事情,在这里就不深入的分析了,大家只要知道UTF8编码,对于中文会编码成
3个字节,而Unicode\GBK都是两个字节的. 比如
勤强 两个字经过UTF8编码以后变成了 %E5%8B%A4%E5%BC%BA ,一共6个字节了,%E5%8B%A4 是勤
%E5%BC%BA 是强
IIS解码则是按照两个字节一个汉字的方式来解码,也就是会把 %E5%8B 按照gbk解码成一个字, %A4%E5 一个
%BC%BA 代表一个字。 我们可以去查GBK编码表,发现 E58B 是鍕, A4E5是ゅ,BCBA是己。
所以,对于IIS来说,如果非要用中文文件名的话, 中文的字数就应该是奇数的,就应该不会有问题
(我这台机器得出的结论,可能不适合别的),
比如 词.txt 茨此次.txt 都可以正常显示,偶数的就会出问题了,比如"我们都是小孩.txt"。
对于其他的Web 服务器,比如apache之类的,可能就不是这个样子的了,具体也不清楚。