从MS Word复制的文本通过HTML格式发送到Java时，会出现奇怪的字符，并且文本长度会增加

Question

我从MS Word复制了以下文本，并将其粘贴到HTML输入文本字段中

Test…. !! Wow

它在浏览器上显示正确，长度也是13个字符。但是当我提交表单时，Java代码中收到的文本是

Testâ¦. !! Wow

我在Javascript和Java代码中检查了最大文本字段长度。因为在Java代码中文本的长度增加了，所以在Javascript中可能会验证文本，但在Java代码中可能会失败。我希望两种情况下的格式相同(或者至少相同的长度，以便验证一致)

Answer 1

我们在这里看到的“？”是由三个字节0xE2 0x80 0xA6产生的，它们构成了“…”的UTF-8编码表示。U+2026 HORIZONTAL ELLIPSIS。字节0xE2解释为拉丁文-1 (ISO-8859-1或windows-1252)编码时为“-”，类似地，0xA6为“π”。0x80字节发生了什么还不清楚，但可能它已经被过滤掉了，因为在ISO-8859-1中它是一个控制字符。

因此，表单数据显然是以UTF8编码的形式发送的(这通常取决于包含表单的页面的编码，尽管也可以使用<form>标记中的accept-charset属性进行设置)。这一切都很好，因为UTF-8是确保正确发送所有字符的唯一方法。

所以问题出在接收方。Java代码表面上假定数据是8位编码(一个字节=一个字符)，但事实并非如此。

(文本包含U+2026的原因可能是Word中的自动更正:默认情况下，Word在键盘输入中会轮换，三个连续的句点“...”一个字符，省略号“…”。)

Answer 2

这几乎可以肯定是一个编码问题。您粘贴的字符将是UTF-8 (或类似的)，但将作为ANSI字符发送。您需要设置提交的编码。