Detectando la codificación de caracteres de una solicitud HTTP POST

Question

Estoy construyendo un servicio web y tengo un nodo que acepta una POST para crear un nuevo recurso. El recurso espera uno de dos tipos de contenido: un formato XML que definiré o variables codificadas por formulario.

La idea es que las aplicaciones que consumen pueden PUBLICAR XML directamente y beneficiarse de una mejor validación, etc., pero también hay una interfaz HTML que PUBLICARÁ el material codificado en el formulario. Obviamente, el formato XML tiene una declaración de juego de caracteres, pero no puedo ver cómo detecto el conjunto de caracteres del formulario simplemente al mirar el POST.

Un puesto típica de la forma de Firefox tiene el siguiente aspecto:

POST /path HTTP/1.1 
Host: www.myhostname.com 
User-Agent: Mozilla/5.0 [...etc...] 
Accept: text/html,application/xhtml+xml, [...etc...] 
Accept-Language: en-gb,en;q=0.5 
Accept-Encoding: gzip,deflate 
Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7 
Keep-Alive: 300 
Connection: keep-alive 
Content-Type: application/x-www-form-urlencoded 
Content-Length: 41 

field1=value1&field2=value2&field3=value3 

que no parece contener ninguna indicación útil del conjunto de caracteres.

Según lo que puedo ver, el tipo aplicación/x-www-form-urlencoded está completamente definido en HTML, que solo establece las reglas de codificación%, pero no dice nada sobre qué conjunto de caracteres deberían ser los datos en.

Básicamente, ¿hay alguna forma de decirle al juego de caracteres si no conozco el conjunto de caracteres que el HTML presentado originalmente tenía? De lo contrario, tendré que tratar de adivinar el juego de caracteres en función de qué caracteres están presentes, y eso siempre es un poco dudoso por lo que puedo decir.

Answer 1

la codificación predeterminada de HTTP POST es ISO-8859-1.

más tiene que mirar en la cabecera Content-Type que entonces contendrá

Content-Type: application/x-www-form-urlencoded ; charset=UTF-8 

puede declarar tal vez su forma con

<form enctype="application/x-www-form-urlencoded;charset=UTF-8"> 

o

<form accept-charset="UTF-8"> 

a forzar la codificación

Algunas referencias:

http://www.htmlhelp.com/reference/html40/forms/form.html

http://www.w3schools.com/tags/tag_form.asp

Answer 2

El juego de caracteres utilizado en la POST coincidirá con el juego de caracteres especificado en el código HTML que aloja el formulario. Por lo tanto, si su formulario se envía utilizando la codificación UTF-8 que es la codificación utilizada para el contenido publicado. La codificación URL se aplica después de que los valores se convierten al conjunto de octetos para la codificación de caracteres.

Answer 3

Intente configurar el juego de caracteres en el Content-Type:

httpCon.setRequestProperty("Content-Type", "multipart/form-data; charset=UTF-8; boundary=" + boundary);