欢迎点击「算法与编程之美」↑关注我们！
本文首发于微信公众号："算法与编程之美"，欢迎关注，及时了解更多此系列博客。
本文有些地方的描述对某些人来说可能比较罗嗦，如果想直接进入正题，可阅读“源码分析”节。但本文是自己一步步分析解决问题思路的记录，虽然有些地方的思考还不是很深入，主要是由于时间不是很充裕（虽然花了三天时间，但感觉还是不够），我会在后续的博文中，结合自己遇到的实际问题或在论坛中看到的别人提出的问题，一步步的带着问题深入分析tomcat源码，这种带着问题进行源码分析的方式，比较有针对性，不至于让自己迷失在源码的汪洋之中。如果大家对博客格式或其他方面有比较好的建议，欢迎指出，非常感谢。
本次源码分析的目标是：
弄清楚org.apache.catalina.conector.RequestFacade::getQueryString()以及getParameter(String)的不同之处及其各自的具体实现，达到此目标即完成任务。
引言
问题的引出是由于前些天在oschina上看到的一篇帖子http://www.oschina.net/question/820641_104356，
问题分析
起初的分析思路也是受帖子作者的影响，心想出现这种情况是否是因为hashmap destroy encoding导致的，所以就google了一下hashmap encoding，得到一个比较相关的答案
http://stackoverflow.com/questions/8427488/hashmap-destroys-encoding，这篇帖子中出现的情况也比较奇怪。
程序功能描述如下：
从文件A中读取一组以空格为分隔符的的字符串，然后将这些字符串一行一行的写入到另外一个文件B中。
如文件A的格式为：
Aaa bbbbb cdefggg …..
文件B的格式为：
Aaa
Bbbbb
Cdefgggg
….
程序代码：
final StringBuffer fileData = new StringBuffer(1000);
final BufferedReader reader = new BufferedReader(
new FileReader("fileIn.txt"));
char[] buf = new char[1024];
int numRead = 0;
while ((numRead = reader.read(buf)) != -1)
{
final String readData = String.valueOf(buf, 0, numRead);
fileData.append(readData);
buf = new char[1024];
}
reader.close();
String mergedContent = fileData.toString();
mergedContent = mergedContent.replaceAll("\\<.*?>", " ");
mergedContent = mergedContent.replaceAll("\\r\\n|\\r|\\n", " ");
final BufferedWriter out = new BufferedWriter(
new OutputStreamWriter(
new FileOutputStream("fileOut.txt")));
final HashMap<String, String> wordsMap = new HashMap<String, String>();
final String test[] = mergedContent.split(" ");
for (final String string : test)
{
wordsMap.put(string, string);
}
for (final String string : wordsMap.values())
{
out.write(string + "\n");
}
out.close();这种情况下，发现文件B中的内容为乱码，而如果将上述程序中的部分代码改为下面这样，则会得到期望的结果。
...
for (final String string : test)
{
out.write(string + "\n");
//wordsMap.put(string, string);
}
//for (final String string : wordsMap.values())
//{
// out.write(string + "\n");
//}
out.close();出现这种情况的原因，我也不是很理解，原文中关于该贴的回答，我觉得和问题没有任何关系，大多数人都在讲如何解决这个问题，而没有提到出现上述情况的原因。
经过该贴和其他一些相关帖的了解，我发现引言中提出的问题貌似和hashmap的encoding没有任何关系，可能存在别的原因，于是自己写了一个简单的servlet来实践一下。
实践
首先是问题重现，我写了一个简单的servlet如下所示：
//请求的url为：http://localhost:8080/demo/1.do?addr=上海
@Override
protected void doGet(HttpServletRequest req, HttpServletResponse resp)
throws ServletException, IOException {
//System.out.println(req);
System.out.println("Request::getParameter(addr) is: "+ req.getParameter("addr"));
String queryString = req.getQueryString();
System.out.println("queryString is: "+queryString);
String[] params = queryString.split("[=]");
Map<String, String> map = new HashMap<String, String>();
map.put(params[0], params[1]);
System.out.println("Map::get(addr) is: "+map.get(params[0]));
return;
}在运行的时候，得到的结果是：
getParameter()得到的值是乱码，而通过getQueryString()解析后存放在map中的值是经过utf-8编码的。
对于getParameter()是乱码，这个原因比较明显，由于浏览器默认的urlencoding一般是utf-8，而tomcat中默认的URIEncoding是ISO-8859-1不是utf-8(为什么默认的编码是iso-8859-1？耐心看完本文后，就会明白)，当客户端的请求到达tomcat的时候，tomcat就会用其他的编码方式去decode utf-8编码，那么自然就会出现乱码(具体的tomcat是如何处理queryString的，请继续阅读后面的源码分析节)，所以解决方法是在tomcat的配置文件server.xml中加入如下配置(URIEncoding="utf-8")：
<Connector port="8080" protocol="HTTP/1.1"
connectionTimeout="20000"
redirectPort="8443"
URIEncoding="utf-8"
/>
通过上述配置文件的修改，我们得到的测试结果如下：
经上述分析，我们可以得出，getParameter()的值是根据tomcat中设置的URIEncoding编码进行decode后得到的值，而对于getQueryString() tomcat没有对其进行decode操作，保留了原有的urlencoding编码方式。
至此，我们基本可以推测，出现引言中的情况的原因是：
由于客户端对http get请求的url编码方式与tomcat中定义的URIEncoding不一致，导致tomcat服务器利用另外一种解码方式来解码客户端的url，这样必然会出现中文乱码现象。而放入Map中的字符串为什么没有出现乱码？原因就在于getQueryString()没有对客户端的url进行decode，因而保留了原有的客户端utf-8编码，所以在后面的使用过程中，如果利用utf-8对其解码，则不会出现中文乱码现象。
源码分析
经过上述实践，基本可以确定问题的原因，但为了进一步的加以验证，我试着分析了一下tomcat在处理getParameter()和getQueryString()的不同。
由于HttpServletRequest为一接口，故我们看不到其getParameter()和getQueryString()具体实现，所以我们首先需要确定request的具体实现类是什么，我们在刚才的servlet中加入如下代码：
System.out.pritnln(req);
通过上述打印结果，我们可以看到其具体实现类为org.apache.catalina.connector.RequestFacade，所以下一步我们的工作就是具体的分析这个类是如何处理的，也就是分析两个函数的处理流程，一是RequestFacade::getQueryString()，另外一个是RequestFacade::getParameter(String)。
首先要获得tomcat的源码，通常的做法是在eclipse中通过egit插件，将远程的git库clone下来，然后再导入工程。
所有的准备工作就绪后，接下来就是具体的源码分析工作了：
从org.apache.catalina.connector.RequestFacade这个类，我们可以看到，这是一个使用了façade模式的包装类，所以我们需要先了解一下façade模式的相关知识。
Facade模式介绍
facade模式的核心是为子系统的一组接口提供一个统一的界面，方便客户端使用子系统，客户端也不必关心子系统的具体实现。
facade设计模式的适用情况：
1. 原来的类提供的接口比较多，也比较复杂，而我们只需要使用其部分接口；
2. 原类提供的接口只能部分的满足我们的需要，且不希望重写一个新类来代替原类；
...
在本文中，RequestFacade是对Request的一个封装，由于Request本身提供的接口非常之多，而本系统中只需要使用其部分功能，在实际分析过程中，我们发现Request的具体工作最后delegate到底层的coyote.Request去做。
RequestFacade::getQueryString()分析
如何进行源码的阅读和分析？我一般的思路是，先分析正常的处理逻辑，对于那些日志，错误处理，变量定义等等可以先不用关注，从而达到快速了解整体架构或关键流程。
基于上述思路，我们得到其处理流程如下：
-RequestFacade::getQueryString()
-Request::getQueryString()
-org.apache.coyote.Request::queryString()::toString()
通过以上分析可以看出，其处理流程比较简单，通过一步步的delegate，最后真正做工作的是coyote.Request，所以我们接下来只需要分析该类是如何处理。
相关函数源码如下：
org.apache.catalina.connector.RequestFacade::getQueryString()
@Override
public String getQueryString() {
if (request == null) {
throw new IllegalStateException(
sm.getString("requestFacade.nullRequest"));
}
return request.getQueryString();
}
org.apache.catalina.connector.Request::getQueryString()
/**
* Return the query string associated with this request.
*/
@Override
public String getQueryString() {
return coyoteRequest.queryString().toString();
}
org.apache.coyote.Request::queryString()
public MessageBytes queryString() {
return queryMB;
}
coyote.Request::queryString()做的工作非常简单，仅是返回类型为MessageBytes的queryMB字段，但这个字段是何时被赋值的呢？这是一个非常有必要弄清的问题，因为极有可能会在赋值之前进行decode操作。
queryMB赋值分析
接下来探讨下queryMB是在何时被赋值的？
queryMB是org.apache.coyote.Request的一个私有成员变量，其数据类型为MessageBytes，定义如下：
private MessageBytes queryMB = MessageBytes.newInstance();
我们如何定位queryMB这个变量是在什么时候赋值的呢？在eclipse中，选中queryMB，点击鼠标右键，选择open call hierarchy，可以看到queryMB在哪些地方被调用，截图如下所示：
从上图可以看出，有三个地方调用了queryMB，分别是：
public MessageBytes queryString() {
return queryMB;
}
该函数是获得一个queryMB对象，既然获得了该对象，那么很有可能在获得对象后对其进行某些操作如赋值操作。
public void recycle() {
….
queryMB.recycle();
….
}
顾名思义，queryMB.recycle()是对queryMB的重新回收利用，对该对象进行reset操作，和赋值没有任何联系。
public Request() {
parameters.setQuery(queryMB);
parameters.setURLDecoder(urlDecoder);
}
Request()构造函数中，对其成员变量parameters进行了赋值，和queryMB的赋值没有关系。
根据上述三种情况的分析，我们得出只有在第一种情况最有可能出现赋值操作，所以接下来将继续分析queryString()被哪些函数所调用，如下图所示：
从截图看出共有七个函数调用了queryString()，从函数名，我们可以简单的判断出，只有parseRequestLine(boolean)这个函数最有可能对其进行赋值，这个函数是解析http请求request line信息。
/**
* Read the request line. This function is meant to be used during the
* HTTP request header parsing. Do NOT attempt to read the request body
* using it.
*
* @throws IOException If an exception occurs during the underlying socket
* read operations, or if the given buffer is not big enough to accommodate
* the whole line.
* @return true if data is properly fed; false if no data is available
* immediately and thread should be freed
*/
@Override
public boolean parseRequestLine(boolean useAvailableData)
throws IOException {
….
if (questionPos >= 0) {
request.queryString().setBytes(buf, questionPos + 1,
end - questionPos - 1);
request.requestURI().setBytes(buf, start, questionPos - start);
} else {
request.requestURI().setBytes(buf, start, end - start);
}
….
}
从上述代码，我们可以看到，在解析http request line的时候，的确对queryMB进行了操作，直接从inputbuffer中获得字节信息，并对queryMB进行赋值。
request.queryString().setBytes(buf, questionPos + 1,
end - questionPos - 1);
getQueryString()总结
由上层的Request一步步的delegate到底层，最后返回coyote.Request::queryMB()字段，而该字段是由底层直接解析http request line信息，并将得到的字节数组直接赋值给coyote.Request::queryMB。
(首先在connector.RequestFacade中调用getQueryString(),然后转交给connector.Request::getQueryString()处理，最后交由最底层的类coyote.Request直接调用getQueryString()返回该对象中保存的类型为MessageBytes的queryMB字段值，而queryMB是在解析http request line的时候，直接得到原始的bytes信息，然后保存在queryMB中，至此，上层调用的getQueryString()返回的是，未经上层任何处理，直接解析Http request line的字节信息。)
RequestFacade::getParameter()分析
(我们知道在web开发中，处理的比较多的是http get请求和http post请求，对于get请求我们可直接由url通过getParameter()方法获得，但对于post请求就会有requsetBody，那么tomcat又是如何处理的？请看后续博文分析)
继续上述getQueryString()的思路，我们先得到getParameter()的正常处理流程，如下：
-RequestFacade::getParameter(String)
-Request::getParameter(String)
-Request::parseParameters()
-coyote.Request::getParameters()
-Parameters::setLimit(int)
-Parameters::setEncoding(String)
-Parameters::handleQueryParameters()
-decodedQuery.duplicate(MessageBytes)
-Parameters::processParameters(MessageBytes, String)
-Parameters::processParameters(byte[],int,int，String)
-coyote.Request::getParameters()::getParameter(String)
-Parameters::paramHashValues.get(String)
附录中，有上述每个函数的具体实现源码，有需要的同学可在此处查看http://my.oschina.net/gschen/blog/120740。
从上述流程，我们可以看到，最终的处理函数是Parameter::processParameters(byte[],int,int)，接下来将重点分析该方法。
Parameter::processParameters(byte[],int,int,String)该函数有四个参数，第一个参数类型是byte[]，是handleQueryParameter()函数中，获得一份queryMB的拷贝，然后传给processParameters(MessageBytes,String)，再传给processParameters(byte[],int,int,String)
// -------------------- Processing --------------------
/** Process the query string into parameters
*/
public void handleQueryParameters() {
...
try {
decodedQuery.duplicate( queryMB );
} catch (IOException e) {
// Can't happen, as decodedQuery can't overflow
e.printStackTrace();
}
processParameters( decodedQuery, queryStringEncoding );
}第二个和第三个参数类型都为int，分别是queryString的开始位置和queryString的长度如下：
public void processParameters( MessageBytes data, String encoding ) {
...
ByteChunk bc=data.getByteChunk();
processParameters( bc.getBytes(), bc.getOffset(),
bc.getLength(), getCharset(encoding));
}第四个参数为String类型，意思是利用何种方式进行解码，如果未定义，则使用默认的编码方式解码( 关于tomcat什么时候解析配置文件，获得connector节中的URIEncoding编码信息，并传到本函数的encoding，将在后面的博文中一步步的详细阐述 ：tomcat源码分析之解析server.xml )。
大致的处理流程是，一步步的解析queryMB，然后将解析到的每一个parameter添加到一个HashMap<String, ArrayList<String>>中，最后在这个hashmap中根据name find到自己需要的value。
Parameters::handleQueryParameters()函数中先是得到queryMB的一份拷贝，这样可以避免对queryMB直接操作，破坏原始的信息，接着交由Parameters::processParameters(DecodedQuery, String)处理，最后交由Parameter::processParameters(byte,int,int)处理,该函数第一个参数是queryMB的一份拷贝，函数的基本功能是对该拷贝进行解析，得到一个个的解码后的parameter，再add到paramHashValues这样的一个HashMap<String, ArrayList<String>>中去。
// -------------------- Parameter parsing --------------------
// we are called from a single thread - we can do it the hard way
// if needed
ByteChunk tmpName=new ByteChunk();
ByteChunk tmpValue=new ByteChunk();
private final ByteChunk origName=new ByteChunk();
private final ByteChunk origValue=new ByteChunk();
CharChunk tmpNameC=new CharChunk(1024);
public static final String DEFAULT_ENCODING = "ISO-8859-1";
private static final Charset DEFAULT_CHARSET =
Charset.forName(DEFAULT_ENCODING);还记得前面提出的默认编码问题吗？您猜对了，就是在这儿定义了默认的default encoding
public static final String DEFAULT_ENCODING = "ISO-8859-1";基本思想是：遍历字节数组，依次得到name和value值，然后调用urlDecoder对name和value进行解码，最后调用addParameter(name,value)方法添加到Parameter::HashMap<String, ArrayList<string>>中去。
queryString参数解析算法描述
pos: 开始位置
end: 结束位置
while(pos < end)
nameStart: 初始化为pos，参数名称开始位置
nameEnd: 初始化为-1，参数名称结束位置，通过nameStart和nameEnd可获得参数名称
valueStart: 初始化为-1，参数值开始位置
valueEnd: 初始化为-1,参数值结束位置，通过valueStart和valueEnd可获得参数值
parsingName：布尔类型，初始化为true，用来标识是否正在解析名称
parameterComplete: 布尔类型，初始化为false，用来标识一个parameter是否解析完成
do
swtich(当前位置pos对应的字节)
'=':
是否正在解析参数名称，是则nameEnd = pos, parsingName = false, pos++, valueStart = pos;
否则pos++;
'&':
是否正在解析参数名称，如果是，则nameEnd=pos,否则valueEnd = pos, pos++;
parameterComplete=ture参数整体解析完成
pos++;
default:
pos++;
while(parameter未解析完成 且 pos < end)
if(pos == end)
if(nameEnd == -1)
nameEnd = pos;
if(valueStart > -1 && valueEnd == -1)
valueEnd = pos;
end while算法点评
上述算法的精髓在于四个位置indicator和两个boolean变量，在完成一次parameter解析后，通过nameStart,nameEnd获得parameter.name的值，通过valueStart, valueEnd获得parameter.value的值，而parameterComplete用来标识一次parameter解析是否完成，parsingName用来标识是否正在解析名称(为什么需要这个标识？因为有些时候，parameter.value可能为空如name=&passwd=123这种情况下)。
算法源码
int pos = start;
int end = start + len;
while(pos < end) {
int nameStart = pos;
int nameEnd = -1;
int valueStart = -1;
int valueEnd = -1;
boolean parsingName = true;
boolean decodeName = false;
boolean decodeValue = false;
boolean parameterComplete = false;
do {
switch(bytes[pos]) {
case '=':
if (parsingName) {
// Name finished. Value starts from next character
nameEnd = pos;
parsingName = false;
valueStart = ++pos;
} else {
// Equals character in value
pos++;
}
break;
case '&':
if (parsingName) {
// Name finished. No value.
nameEnd = pos;
} else {
// Value finished
valueEnd = pos;
}
parameterComplete = true;
pos++;
break;
case '%':
case '+':
// Decoding required
if (parsingName) {
decodeName = true;
} else {
decodeValue = true;
}
pos ++;
break;
default:
pos ++;
break;
}
} while (!parameterComplete && pos < end);
if (pos == end) {
if (nameEnd == -1) {
nameEnd = pos;
} else if (valueStart > -1 && valueEnd == -1){
valueEnd = pos;
}
}
...
}上述代码通过一次遍历处理，得到nameStart, nameEnd, valueStart, valueEnd四个indicator，这样便可得到name, value值。在得到parameter.name和parameter.value后，接着就需要对其进行urldecode操作，decode完成之后，调用addParameter(name, value)方法将其添加到hashmap中。
tmpName.setBytes(bytes, nameStart, nameEnd - nameStart);
if (valueStart >= 0) {
tmpValue.setBytes(bytes, valueStart, valueEnd - valueStart);
} else {
tmpValue.setBytes(bytes, 0, 0);
}
try {
String name;
String value;
if (decodeName) {
urlDecode(tmpName);
}
tmpName.setCharset(charset);
name = tmpName.toString();
if (valueStart >= 0) {
if (decodeValue) {
urlDecode(tmpValue);
}
tmpValue.setCharset(charset);
value = tmpValue.toString();
} else {
value = "";
}
try {
addParameter(name, value);
} catch (IllegalStateException ise) { // Hitting limit stops processing further params but does
...
}
} catch (IOException e) {
...
}
tmpName.recycle();
tmpValue.recycle();上述代码是对tmpName和tmpValue进行urldecode操作，然后将解码后的信息addParameter。
关于decode的一些说明：
在得到name和value后，调用UDecoder对其解码，如果tomcat的server.xml中未定义URIEncoding，则使用默认的"ISO-8859-1"对其进行解码。
Futuer work
在本次源码分析过程中，尚有一些未解决的问题，将在以后分析的过程中，逐步的解决。
问题列表：
1. tomcat是在什么时候加载server.xml配置文件的，得到URIEncoding值的；
2. digest是如何解析xml文件的；
3. 底层的coyote是如何实现的；
.....
下一篇将分析该贴中http://www.oschina.net/question/853764_103942出现问题的原因
如果您对算法或编程感兴趣，欢迎扫描下方二维码并关注公众号“算法与编程之美”，和您一起探索算法和编程的神秘之处，给您不一样的解题分析思路。
来源：oschina
链接：https://my.oschina.net/u/271937/blog/120553