| 導購 | 订阅 | 在线投稿
分享
 
 
當前位置: 王朝網路 >> php >> PHP網站開發遇到的中文編碼
 

PHP網站開發遇到的中文編碼

2008-12-22 08:07:45  編輯來源:互聯網  简体版  手機版  評論  字體: ||
 
 
  PHP程序設計中中文編碼問題曾經困擾很多人,導致這個問題的原因其實很簡單,每個國家(或區域)都規定了計算機信息交換用的字符編碼集,如美國的擴展 ASCII 碼, 中國的 GB2312-80,日本的 JIS 等。作爲該國家/區域內信息處理的基礎,字符編碼集起著統一編碼的重要作用。字符編碼集按長度分爲 SBCS(單字節字符集),DBCS(雙字節字符集)兩大類。早期的軟件(尤其是操作系統),爲了解決本地字符信息的計算機處理,出現了各種本地化版本(L10N),爲了區分,引進了 LANG, Codepage 等概念。但是由于各個本地字符集代碼範圍重疊,相互間信息交換困難;軟件各個本地化版本獨立維護成本較高。因此有必要將本地化工作中的共性抽取出來,作一致處理,將特別的本地化處理內容降低到最少。這也就是所謂的國際化(118N)。各種語言信息被進一步規範爲 Locale 信息。處理的底層字符集變成了幾乎包含了所有字形的 Unicode。

  現在大部分具有國際化特征的軟件核心字符處理都是以 Unicode 爲基礎的,在軟件運行時根據當時的ocale/Lang/Codepage 設置確定相應的本地字符編碼設置,並依此處理本地字符。在處理過程中需要實現 Unicode 和本地字符集的相互轉換,甚或以 Unicode 爲中間的兩個不同本地字符集的相互轉換。這種方式在網絡環境下被進一步延伸,任何網絡兩端的字符信息也需要根據字符集的設置轉換成可接受的內容。

  數據庫中的字符集編碼問題

  流行的關系數據庫系統都支持數據庫字符集編碼,也就是說在創建數據庫時可以指定它自己的字符集設置,數據庫的數據以指定的編碼形式存儲。當應用程序訪問數據時,在入口和出口處都會有字符集編碼的轉換。對于中文數據,數據庫字符編碼的設置應當保證數據的完整性。GB2312、GBK、UTF-8 等都是可選的數據庫字符集編碼;當然我們也可以選擇 ISO8859-1 (8-bit),只是我們得在應

  用程序寫數據之前先將 16Bit 的一個漢字或 Unicode 拆分成兩個 8-bit 的字符,讀數據之後也需要將兩個字節合並起來,同時還要判別其中的 SBCS 字符,因此我們並不推薦采用 ISO8859-1 作爲數據庫字符集編碼。這樣不但沒有充分利用數據庫自身的字符集編碼支持,而且同時也增加了編程的複雜度。編程時,可以先用數據庫管理系統提供的管理功能檢查其中的中文數據是否正確。

  PHP 程序在查詢數據庫之前,首先執行 mysql_query("SET NAMES xxxx"); 其中 xxxx 是你網頁的編碼(charset=xxxx),如果網頁中 charset=utf8,則 xxxx=utf8,如果網頁中 charset=gb2312,則xxxx=gb2312,幾乎所有 WEB 程序,都有一段連接數據庫的公共代碼,放在一個文件裏,在這文件裏,加入 mysql_query("SET NAMES xxxx") 就可以了。

  SET NAMES 顯示客戶端發送的 SQL 語句中使用什麽字符集。因此,SET NAMES 'utf-8' 語句告訴服務器「將來從這個客戶端傳來的信息采用字符集 utf-8」。它還爲服務器發送回客戶端的結果指定了字符集(例如,如果你使用一個 SELECT 語句,它表示列值使用了什麽字符集)。

  定位問題時常用的技巧

  定位中文編碼問題通常采用最笨的也是最有效的辦法―在你認爲有嫌疑的程序處理後打印字符串的內碼。通過打印字符串的內碼,你可以發現什麽時候中文字符被轉換成 Unicode,什麽時候Unicode 被轉回中文內碼,什麽時候一個中文字成了兩個 Unicode 字符,什麽時候中文字符串被轉成了一串問號,什麽時候中文字符串的高位被截掉了……

  取用合適的樣本字符串也有助于區分問題的類型。如:"aa啊 aa?@aa" 等中英相間,GB、GBK特征字符均有的字符串。一般來說,英文字符無論怎麽轉換或處理,都不會失真(如果遇到了,可以嘗試著增加連續的英文字母長度)。

  解決各種應用的亂碼問題

  1) 使用 標簽設置頁面編碼

  這個標簽的作用是聲明客戶端的浏覽器用什麽字符集編碼顯示該頁面,xxx 可以爲 GB2312、GBK、UTF-8(和 MySQL 不同,MySQL 是 UTF8)等等。因此,大部分頁面可以采用這種方式來告訴浏覽器顯示這個頁面的時候采用什麽編碼,這樣才不會造成編碼錯誤而産生亂碼。但是有的時候我們會發現有了這句還是不行,不管 xxx 是哪一種,浏覽器采用的始終都是一種編碼,這個情況我後面會談到。

  請注意, 是屬于 HTML 信息的,僅僅是一個聲明,僅表明服務器已經把 HTML 信息傳到了浏覽器。

  2) header("content-type:text/html; charset=xxx");

  這個函數 header() 的作用是把括號裏面的信息發到 http 標頭。如果括號裏面的內容爲文中所說那樣,那作用和 標簽基本相同,大家對照第一個看發現字符都差不多的。但是不同的是如果有這段函數,浏覽器就會永遠采用你所要求的 xxx 編碼,絕對不會不聽話,因此這個函數是很有用的。爲什麽會這樣呢?那就得說說 http 標頭和 HTML信息的差別了:

  http 標頭是服務器以 http 協議傳送 HTML 信息到浏覽器前所送出的字串。而 標簽是屬于 HTML 信息的,所以 header() 發送的內容先到達浏覽器,通俗點就是 header() 的優先級高于 (不知道可不可以這樣講)。假如一個 php 頁面既有header("content-type:text/html;charset=xxx"),又有,浏覽器就只認前者 http 標頭而不認 meta 了。當然這個函數只能在 php 頁面內使用。

  同樣也留有一個問題,爲什麽前者就絕對起作用,而後者有時候就不行呢?這就是接下來要談的Apache 的原因了。

  3) AddDefaultCharset

  Apache 根目錄的 conf 文件夾裏,有整個 Apache 的配置文檔 httpd.conf。

  用文本編輯器打開 httpd.conf,第 708 行(不同版本可能不同)有 AddDefaultCharset xxx,xxx爲編碼名稱。這行代碼的意思:設置整個服務器內的網頁文件 http 標頭裏的字符集爲你默認的 xxx字符集。有這行,就相當于給每個文件都加了一行 header("content-type:text/html; charset=xxx")。這下就明白爲什麽明明 設置了是 utf-8,可浏覽器始終采用 gb2312 的原因。

  如果網頁裏有 header("content-type:text/html; charset=xxx"),就把默認的字符集改爲你設置的字符集,所以這個函數永遠有用。如果把 AddDefaultCharset xxx 前面加個"#",注釋掉這句,而且頁面裏不含 header("content-type…"),那這個時候就輪到 meta 標簽起作用了。

  下面列出以上的優先順序:

  .. header("content-type:text/html; charset=xxx")

  .. AddDefaultCharset xxx

  ..

  如果你是 web 程序員,建議給你的每個頁面都加個header("content-type:text/html;charset=xxx"),這樣就可以保證它在任何服務器都能正確顯示,可移植性也比較強。

  4) php.ini 中的 default_charset 配置:

  php.ini 中的 default_charset = "gb2312" 定義了 php 的默認語言字符集。一般推薦注釋掉此行,讓浏覽器根據網頁頭中的 charset 來自動選擇語言而非做一個強制性的規定,這樣就可以在同台服務器上提供多種語言的網頁服務。

  結束語

  其實 php 開發中的中文編碼並沒有想像的那麽複雜,雖然定位和解決問題沒有定規,各種運行環境也各不盡然,但後面的原理是一樣的。了解字符集的知識是解決字符問題的基礎。不過,隨著中文字符集的變化,不僅僅是 php 編程,中文信息處理中的問題還是會存在一段時間的。
 
 
 
上一篇《PHP的curl實現get和post》
下一篇《PHP程序開發的原則彙總》
 
 
 
日版寵物情人插曲《Winding Road》歌詞

日版寵物情人2017的插曲,很帶節奏感,日語的,女生唱的。 最後聽見是在第8集的時候女主手割傷了,然後男主用嘴幫她吸了一下,插曲就出來了。 歌手:Def...

兄弟共妻,我成了他們夜裏的美食

老鍾家的兩個兒子很特別,就是跟其他的人不太一樣,魔一般的執著。兄弟倆都到了要結婚的年齡了,不管自家老爹怎麽磨破嘴皮子,兄弟倆說不娶就不娶,老父母爲兄弟兩操碎了心...

如何磨出破洞牛仔褲?牛仔褲怎麽剪破洞?

把牛仔褲磨出有線的破洞 1、具體工具就是磨腳石,下面墊一個硬物,然後用磨腳石一直磨一直磨,到把那塊磨薄了,用手撕開就好了。出來的洞啊很自然的。需要貓須的話調幾...

我就是掃描下圖得到了敬業福和愛國福

先來看下敬業福和愛國福 今年春節,支付寶再次推出了“五福紅包”活動,表示要“把欠大家的敬業福都還給大家”。 今天該活動正式啓動,和去年一樣,需要收集“五福”...

冰箱異味産生的原因和臭味去除的方法

有時候我們打開冰箱就會聞到一股異味,冰箱裏的這種異味是因爲一些物質發出的氣味的混合體,聞起來讓人惡心。 産生這些異味的主要原因有以下幾點。 1、很多人有這種習...

《極品家丁》1-31集大結局分集劇情介紹

簡介 《極品家丁》講述了現代白領林晚榮無意回到古代金陵,並追隨蕭二小姐化名“林三”進入蕭府,不料卻陰差陽錯上演了一出低級家丁拼搏上位的“林三升職記”。...

李溪芮《極品家丁》片尾曲《你就是我最愛的寶寶》歌詞

你就是我最愛的寶寶 - 李溪芮 (電視劇《極品家丁》片尾曲) 作詞:常馨內 作曲:常馨內 你的眉 又鬼馬的挑 你的嘴 又壞壞的笑 上一秒吵鬧 下...

烏梅的功效與作用以及烏梅的食用禁忌有哪些?

烏梅,又稱春梅,中醫認爲,烏梅味酸,性溫,無毒,具有安心、除熱、下氣、祛痰、止渴調中、殺蟲的功效,治肢體痛、肺痨病。烏梅泡水喝能治傷寒煩熱、止吐瀉,與幹姜一起制...

什麽是脂肪粒?如何消除臉部脂肪粒?

什麽是脂肪粒 在我們的臉上總會長一個個像脂肪的小顆粒,弄也弄不掉,而且顔色還是白白的。它既不是粉刺也不是其他的任何痘痘,它就是脂肪粒。 脂肪粒雖然也是由油脂...

網絡安全治理:國家安全保障的主要方向是打擊犯罪,而不是處置和懲罰受害者

來源:中國青年報 新的攻擊方法不斷湧現,黑客幾乎永遠占據網絡攻擊的上風,我們不可能通過技術手段杜絕網絡攻擊。國家安全保障的主要方向是打擊犯罪,而不是處置和懲罰...

 
 
 
PHP程序設計中中文編碼問題曾經困擾很多人,導致這個問題的原因其實很簡單,每個國家(或區域)都規定了計算機信息交換用的字符編碼集,如美國的擴展 ASCII 碼, 中國的 GB2312-80,日本的 JIS 等。作爲該國家/區域內信息處理的基礎,字符編碼集起著統一編碼的重要作用。字符編碼集按長度分爲 SBCS(單字節字符集),DBCS(雙字節字符集)兩大類。早期的軟件(尤其是操作系統),爲了解決本地字符信息的計算機處理,出現了各種本地化版本(L10N),爲了區分,引進了 LANG, Codepage 等概念。但是由于各個本地字符集代碼範圍重疊,相互間信息交換困難;軟件各個本地化版本獨立維護成本較高。因此有必要將本地化工作中的共性抽取出來,作一致處理,將特別的本地化處理內容降低到最少。這也就是所謂的國際化(118N)。各種語言信息被進一步規範爲 Locale 信息。處理的底層字符集變成了幾乎包含了所有字形的 Unicode。 現在大部分具有國際化特征的軟件核心字符處理都是以 Unicode 爲基礎的,在軟件運行時根據當時的ocale/Lang/Codepage 設置確定相應的本地字符編碼設置,並依此處理本地字符。在處理過程中需要實現 Unicode 和本地字符集的相互轉換,甚或以 Unicode 爲中間的兩個不同本地字符集的相互轉換。這種方式在網絡環境下被進一步延伸,任何網絡兩端的字符信息也需要根據字符集的設置轉換成可接受的內容。 數據庫中的字符集編碼問題 流行的關系數據庫系統都支持數據庫字符集編碼,也就是說在創建數據庫時可以指定它自己的字符集設置,數據庫的數據以指定的編碼形式存儲。當應用程序訪問數據時,在入口和出口處都會有字符集編碼的轉換。對于中文數據,數據庫字符編碼的設置應當保證數據的完整性。GB2312、GBK、UTF-8 等都是可選的數據庫字符集編碼;當然我們也可以選擇 ISO8859-1 (8-bit),只是我們得在應 用程序寫數據之前先將 16Bit 的一個漢字或 Unicode 拆分成兩個 8-bit 的字符,讀數據之後也需要將兩個字節合並起來,同時還要判別其中的 SBCS 字符,因此我們並不推薦采用 ISO8859-1 作爲數據庫字符集編碼。這樣不但沒有充分利用數據庫自身的字符集編碼支持,而且同時也增加了編程的複雜度。編程時,可以先用數據庫管理系統提供的管理功能檢查其中的中文數據是否正確。 PHP 程序在查詢數據庫之前,首先執行 mysql_query("SET NAMES xxxx"); 其中 xxxx 是你網頁的編碼(charset=xxxx),如果網頁中 charset=utf8,則 xxxx=utf8,如果網頁中 charset=gb2312,則xxxx=gb2312,幾乎所有 WEB 程序,都有一段連接數據庫的公共代碼,放在一個文件裏,在這文件裏,加入 mysql_query("SET NAMES xxxx") 就可以了。 SET NAMES 顯示客戶端發送的 SQL 語句中使用什麽字符集。因此,SET NAMES 'utf-8' 語句告訴服務器「將來從這個客戶端傳來的信息采用字符集 utf-8」。它還爲服務器發送回客戶端的結果指定了字符集(例如,如果你使用一個 SELECT 語句,它表示列值使用了什麽字符集)。 定位問題時常用的技巧 定位中文編碼問題通常采用最笨的也是最有效的辦法―在你認爲有嫌疑的程序處理後打印字符串的內碼。通過打印字符串的內碼,你可以發現什麽時候中文字符被轉換成 Unicode,什麽時候Unicode 被轉回中文內碼,什麽時候一個中文字成了兩個 Unicode 字符,什麽時候中文字符串被轉成了一串問號,什麽時候中文字符串的高位被截掉了…… 取用合適的樣本字符串也有助于區分問題的類型。如:"aa啊 [url=mailto:aa?@aa]aa?@aa[/url]" 等中英相間,GB、GBK特征字符均有的字符串。一般來說,英文字符無論怎麽轉換或處理,都不會失真(如果遇到了,可以嘗試著增加連續的英文字母長度)。 解決各種應用的亂碼問題 1) 使用 標簽設置頁面編碼 這個標簽的作用是聲明客戶端的浏覽器用什麽字符集編碼顯示該頁面,xxx 可以爲 GB2312、GBK、UTF-8(和 MySQL 不同,MySQL 是 UTF8)等等。因此,大部分頁面可以采用這種方式來告訴浏覽器顯示這個頁面的時候采用什麽編碼,這樣才不會造成編碼錯誤而産生亂碼。但是有的時候我們會發現有了這句還是不行,不管 xxx 是哪一種,浏覽器采用的始終都是一種編碼,這個情況我後面會談到。 請注意, 是屬于 HTML 信息的,僅僅是一個聲明,僅表明服務器已經把 HTML 信息傳到了浏覽器。 2) header("content-type:text/html; charset=xxx"); 這個函數 header() 的作用是把括號裏面的信息發到 http 標頭。如果括號裏面的內容爲文中所說那樣,那作用和 標簽基本相同,大家對照第一個看發現字符都差不多的。但是不同的是如果有這段函數,浏覽器就會永遠采用你所要求的 xxx 編碼,絕對不會不聽話,因此這個函數是很有用的。爲什麽會這樣呢?那就得說說 http 標頭和 HTML信息的差別了: http 標頭是服務器以 http 協議傳送 HTML 信息到浏覽器前所送出的字串。而 標簽是屬于 HTML 信息的,所以 header() 發送的內容先到達浏覽器,通俗點就是 header() 的優先級高于 (不知道可不可以這樣講)。假如一個 php 頁面既有header("content-type:text/html;charset=xxx"),又有,浏覽器就只認前者 http 標頭而不認 meta 了。當然這個函數只能在 php 頁面內使用。 同樣也留有一個問題,爲什麽前者就絕對起作用,而後者有時候就不行呢?這就是接下來要談的Apache 的原因了。 3) AddDefaultCharset Apache 根目錄的 conf 文件夾裏,有整個 Apache 的配置文檔 httpd.conf。 用文本編輯器打開 httpd.conf,第 708 行(不同版本可能不同)有 AddDefaultCharset xxx,xxx爲編碼名稱。這行代碼的意思:設置整個服務器內的網頁文件 http 標頭裏的字符集爲你默認的 xxx字符集。有這行,就相當于給每個文件都加了一行 header("content-type:text/html; charset=xxx")。這下就明白爲什麽明明 設置了是 utf-8,可浏覽器始終采用 gb2312 的原因。 如果網頁裏有 header("content-type:text/html; charset=xxx"),就把默認的字符集改爲你設置的字符集,所以這個函數永遠有用。如果把 AddDefaultCharset xxx 前面加個"#",注釋掉這句,而且頁面裏不含 header("content-type…"),那這個時候就輪到 meta 標簽起作用了。 下面列出以上的優先順序: .. header("content-type:text/html; charset=xxx") .. AddDefaultCharset xxx .. 如果你是 web 程序員,建議給你的每個頁面都加個header("content-type:text/html;charset=xxx"),這樣就可以保證它在任何服務器都能正確顯示,可移植性也比較強。 4) php.ini 中的 default_charset 配置: php.ini 中的 default_charset = "gb2312" 定義了 php 的默認語言字符集。一般推薦注釋掉此行,讓浏覽器根據網頁頭中的 charset 來自動選擇語言而非做一個強制性的規定,這樣就可以在同台服務器上提供多種語言的網頁服務。 結束語 其實 php 開發中的中文編碼並沒有想像的那麽複雜,雖然定位和解決問題沒有定規,各種運行環境也各不盡然,但後面的原理是一樣的。了解字符集的知識是解決字符問題的基礎。不過,隨著中文字符集的變化,不僅僅是 php 編程,中文信息處理中的問題還是會存在一段時間的。
󰈣󰈤
 
 
 
  免責聲明:本文僅代表作者個人觀點,與王朝網路無關。王朝網路登載此文出於傳遞更多信息之目的,並不意味著贊同其觀點或證實其描述,其原創性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,並請自行核實相關內容。
 
 
夏末午後的美麗女生
天生麗質_唯美動人
清新素雅的靓麗女生
完美絕倫_秀色可餐
芙蓉古鎮(一)
就是不一樣的街燈&#;
百態
荷一組(三張)
 
>>返回首頁<<
 
 熱帖排行
 
 
 
 
© 2005- 王朝網路 版權所有