문자 집합(Character Set)과 인코딩(Encoding)
문자 집합은 정보를 표현하기 위한 글자나 기호들의 집합을 정의한 것.
문자나 기호를 컴퓨터에서 저장하거나 통신에 사용할 목적으로 부호화 하는 것을 문자 인코딩이라 하고 인코딩 된 문자 부호를 다시 본래 문자나 기호로 표현하는 것을 복호화(디코딩)이라고 함.
한글문자의 인코딩
EUC-KR : 2바이트 완성형 인코딩 방식으로 완성된 음절을 코드와 일대일 대응시키는 방식
EX) '가' 0xB0A1, '각' 0xB0A2
유니코드 (UTF-7, UTF-8): 하나의 인코딩을 통해 여러가지 문자 집합을 표현할 수 있도록 고안되었으며, 여러가지 유니코드 중 ASCII와 호환이 가능하면서 한글을 표현할 수 있는 UTF-8을 가장 많이 사용.
※UTF-8 경우 3바이트로 표현됨
OS Locale
OS 상에서는 국가와 언어에 따라 다양한 OS Locale을 제공
Locale에 따라서 입/출력 인코딩을 적용해서 메시지를 출력
EX) 언어_국가.코드셋 language[_territory][.codeset]
ko_KR.utf8
locale 명령으로 시스템의 locale 정보 확인 가능
LANG - LC_* 값들을 설정하지 않았을 때 적용되는 기본 값
LC_ALL - LC_* 값으로 override 됨
LC_TIME - 시간 출력 양식 설정
LC_NUMBER - 숫자표현양식
LC_NAME - 이름 표기 형식
LC_MESSAGES - 시스템 메시지 출력에 사용할 언어
LC_CTYPE - 바이트를 문자로 변환하거나, 대문자/소문자간의 변환 형식
java에서는 파일과 소켓등으로 문자열 IO처리시, 문자열의 default charset은 OS Locale 값을 따름.
default charset은 jvm 옵션 "-Dfile.encoding" 설정을 통해 OS Locale과 다르게 설정 가능.
file.encoding은 파일이나 소켓 등으로 문자열 IO처리 시, 특정 API의 기본값으로 사용.
System.out.print()는 file.encoding의 영향을 받는다.
Out.print()는 response encoding의 영향을 받는다.
charset을 지정하지 않은 html 또는 jsp 파일은 해당파일을 저장할 때의 인코딩으로 브라우져가 알아서 디코딩 한다.
파일과 인코딩
한글 파일명의 인코딩
파일의 이름이 어떤 인코딩으로 서버에 저장되고, 어떤 인코딩으로 다운로드가 되는지는 해당 action을 수행하는 tool에 의해 결정.
동일한 인코딩으로 업로드와 다운로드를 하지 않는 다면 한글이 깨지게 됨.
파일 내용의 한글 인코딩
파일 내용의 인코딩은 파일을 최초 생성하여 저장할 때 결정.
windows의 경우 에디터 및 프로그램에서 원하는 인코딩값으로 저장가능
Unix 및 Linux에서는 iconv 명령어로 파일내용의 인코딩을 변경 가능
UTF-8 -> EUC-KR : iconv -c -f utf8 -t euckr utf8.txt > euckr.txt
EUC-KR -> UTF-8 : iconv -c -f euckr -t utf8 euckr.txt > utf8.txt
저장된 한글내용을 읽어들일 때 아래와 같은 2가지 경우가 발생
1. memory에 로딩하는 경우 (file.encoding과 연관)
2. memory에 로드 하지않고 response로 전달해주는 경우 (response encoding과 연관)
한글 파일명 업로드
1. 파일객체를 request 객체를 통해 전달 (전달 시 form을 생성하는 jsp 또는 html의 response encoding으로 전달)
2. Server의 application 로직에 따른 특정 encoding으로 읽어들여 ememory에 로딩
3. memory에 로딩된 data를 WAS가 기동 된 OS Locale에 기반하여 파일 생성