文字エンコードの設定

Java の文字エンコード

Java always uses the multibyte UTF-16 character encoding for all String data*. This means that each of the encodings above defines how, at that particular point, characters are converted to and from Java's native UTF-16 format into some other format that the browser, filesystem or database might understand.

要求が Confluence に着信すると、要求のエンコードが UTF-16 に変換されます。次に、そのデータをデータベースに保存します。このとき、UTF-16 からデータベースのエンコードに変換されます。データベースから情報を取得して、応答をブラウザーに送信するプロセスは、これを逆方向にたどることになります。

*A char represents single Unicode code point from the Base Multilingual Plane (BMP), encoded as UTF-16. Multiple chars are used as surrogate pairs for characters beyond U+FFFF.

Confluence の文字エンコード

Confluence 文字エンコードはシステムの次の部分で使用されます。

• ConfluenceWebWorkConfiguration sets webwork.i18n.encoding to the this encoding, which WebWork uses in the response Content-Type header.
• AbstractEncodingFilter は HTTP 要求エンコードをこのエンコードに設定します。クライアントからの Content-Type ヘッダーには使用されているエンコードが含まれているはずなので、これは不要と考えられます。 これは、フォームの送信やファイルのアップロードに影響を与えます。
• VelocityUtils は、ディスクからテンプレートを読み取るときにこのエンコードを使用して Velocity テンプレートを読み取ります。
• AbstractXmlExporter は、このエンコードを使用して出力を作成します。
• GeneralUtil は、URLEncode および URLDecode を実行するときこのエンコードを使用します。異なるブラウザーは、URL で異なる文字セットをサポートしているため、これによりどの程度の利点が得られるかは不明です。

上述の「Confluence 文字エンコードの設定」を参照してください。

データベースのエンコード

データベースのエンコードは JDBC ドライバーが実行します。このドライバーはデータベースのネイティブエンコードでのデータベースの読み取りおよび書き込みと、データベースおよび Java String (UTF-16) 間のデータの変換を担っています。MySQL などの一部のドライバーでは、JDBC URL で明示的にUnicode エンコードを設定する必要があります。その他の場合、ドライバーはデータベースエンコードを自動的に判別する十分な能力を備えています。

理想的には、データベース自体は Unicode エンコードであるべきです (また、最も単純な設定にするためにこれを実行することをお勧めします) が、以下の場合に限り、これは不要です。

• データベースのエンコードが Confluence に保存するすべての文字をサポートしている
• JDBC ドライバーがデータベースのエンコードと UTF-16 間の変換を正しく実行できる

「データベースの文字エンコードの設定」を参照してください。

ファイルシステムのエンコード

ファイルシステムのエンコードは Confluence によりほとんど無視されます。ただし、上記の設定が関与する場合 (エクスポート、Velocity) は例外です。添付ファイルがアップロードされると、バイトストリームとしてファイルシステムに直接書き込まれます。ダウンロードされる場合も同様です。InputStream ファイルからのバイトが HTTP 応答に直接書き込まれます。

In some places in Confluence, we use the default filesystem encoding as determined by the JVM and stored in the file.encoding system property (it can be overridden by setting this property at startup). This encoding is used by the Java InputStreamReader and InputStreamWriter classes by default. This encoding should probably never be used; for consistent results across all filesystem access we should be using the encoding set in the General Configuration.

ファイルシステムからのデータの読み取りまたはファイルシステムへのデータの書き込みに使用されるエンコードを明示的ハードコード化する場合もあります。２つの重要な例を以下に示します。

• ISO-8859-1 で知られている Mbox メールボックスのインポート。
• Confluence Bandana config ファイルは常に UTF-8 で保存されます。

Tomcat などの一部のアプリケーションサーバーには、アプリケーションに到達する前に Confluence URL を変更するエンコード設定があります。これにより、国際ページや添付ファイル (実際には URL 内に国際文字を含むあらゆるもの) へのアクセスを防止できます。「アプリケーション サーバーの URL エンコーディングの設定」を参照してください。

文字エンコードの問題

Confluence が上記のいずれかのエンコードについて誤認をした場合、それが以下のように様々な形で現れます。

1. 不正なデータベースエンコード - ユーザーデータが保存やデータベースからの復元の過程で破損します。多くの場合、これは遅れて生じます。というのも、データはデータベースに書き込まれているとおりにキャッシュされるため、後になって初めてデータベースから破損したコピーを取得することになります。
2. 不正な/非 Unicode のファイルシステムエンコード - 国際ファイル名によって添付ファイルのダウンロード/アップロード/削除 (pre-2.2) が中断します。 エクスポートは国際コンテンツまたは添付ファイルが含まれている場合中断します。
3. 不正な HTTP エンコード - ブラウザーにより不正なエンコードが選択された場合、文字のレンダリングが正しく行われません。ブラウザーのエンコードを変更すると、ページのレンダリングが正しく行われます。非 ASCII 文字が含まれるページまたは添付ファイルへのリンク時にURL が壊れます。

「文字エンコードのトラブルシューティング」を参照してください。

注意

• Mac ユーザーは、MacRoman エンコードが UTF-8 と互換性があることを覚えておいてください。既に MacRoman を使用している場合、エンコード設定を変更する必要はありません。
• Joel Spolsky による優れた記事を紹介します。「ソフトウェア開発者なら絶対知っておくべき Unicode と文字セットについての最低限の知識」