关于ie下href有中文出现RFC 7230 and RFC 3986问题的研究

记录Java开发中的问题，一起成长！

注意本文只讨论href等在链接中含有中文导致的RFC 7230 and RFC 3986 问题，其他情况导致的不在讨论范围之内，其他情况可能原因及处理方法都有所不同。

问题描述

    在开发的项目中有一个页面，a元素的href中有个参数使用了中文，类似下面代码：

<a href="?kw=敏感词">搜索</a>

在ie浏览器（如ie11）下点击该链接后会报错，而其他浏览器正常：

网上求助

    按照这个错误的关键词在网上搜索资料，可以搜出一些解决方案，如下：

• 1、更换低版本的Tomcat

  这个方案显然不行，降低版本可能暂时能解决这个问题，但是tomcat为啥升级，当然是进行了一些优化和内部改造，而且还可能存在jdk版本不兼容的问题，所以权衡一下显然降低版本是不合适的。
  

• 2、修改tomcat配置文件catalina.properties

  在Tomcat的安装目录中，打开conf/catalina.properties，找到末尾的一行。增加两行配置：
  

tomcat.util.http.parser.HttpParser.requestTargetAllow=|{}
org.apache.tomcat.util.buf.UDecoder.ALLOW_ENCODED_SLASH=true

3、修改tomcat的配置文件server.xml 经测试无效，至于为何无效后面说。

增加URIEncoding=“utf-8”

<Connector port="8080" protocol="HTTP/1.1"connectionTimeout="20000"redirectPort="8443" URIEncoding="utf-8"/>

经测试无效，原因后面说。

4、根据官方文档上说的修改relaxedPathChars 和relaxedQueryChars 这两个属性

<Connector connectionTimeout="20000" port="6080" protocol="HTTP/1.1" redirectPort="8443" relaxedPathChars="|{}[],%" relaxedQueryChars="|{}[],%"/>

经测试也无效果。

• 5、使用encodeURIComponent进行转码

<a href="javascript:location.href='${ctxPath}/bbs/index?topic='+encodeURIComponent('${hotTopic}');">${hotTopic}</a> 

经测试，此方法正常。

思考时间

    那么问题来了，为什么ie下不正常，其他浏览器正常，ie下不正常的情况有哪些，经过测试总结如下：

1. 仅限于ie浏览器（ie7-ie11都有问题，其他版本未测试应该也都有问题）有问题

2. 如果是form表单中get提交的中文参数值正常

3. href、src等链接中出现中文值不正常

   然后我们接下来看为什么？可以肯定是浏览器编码的问题。

• 抓包分析

  使用抓包工具进行抓包分析，可以使用Fiddler或者轻量级的uTools内部插件http(s)抓包。以Fiddler为例：

  页面代码如下：

<form><input name="kw" value="敏感词">
</form>
<a href="?kw=敏感词">搜索</a>

先直接表单提交（因为只有一个input，直接回车就是提交），此时提交页面不会出错，查看抓包的情况：页面上放置一个form（默认即为get方法）里面有中文参数值，写一个a，href内包含中文。

    可以看到参数直接上转换为了URL编码，这样是没有问题的。然后点击a链接，这是就会报错，错误信息同一开始提到的，那么再看此时的抓包情况：可以看到没有转码：

    那么切换到16进制视图（HexView）查看真实的编码：可以看到参数已经变成了乱码显示，找到对应的位置鼠标左键点击一下即可看到对应的16进制编码

查看该编码对应的汉字，我这边使用的是https://www.qqxiuzi.cn/bianma/zifuji.php

可以看到这几个编码对应的正是“敏感词”这三个字的GB2312编码。
切换其他正常的浏览器看这个地方的编码是什么样的。

可以看到是URL编码的，URL编码到tomcat后根据配置转换为中文或者手动转换（与tomcat版本和配置有关，最新版的基本不需要设置可以自动转换），总之使用URL编码是正常的，确定是ie浏览器默认编码的问题。那么解决方案就是转换编码，至于方案2、4是针对具体某个字符的放行，而浏览器传入已经整个成为乱码，没法单独放行某个字符所以无效，方案3之所以无效是因为产生乱码是浏览器传入后服务器之前就是乱码了，后面再修改编码也无效。

至此原因及解决方案都已经弄清楚了，需要注意的一点是传参时不建议用中文，尽量转换为对应的英文或数字，不用中文自然也就没有这样的问题了。