新闻动态

   

您现在的位置是:首页 » 新闻动态 » 网站技术


告别乱码 - 网站编码问题汇总


人气: 2425  日期: 2011-04-14  作者: 大向网络  [打印本文]

相信各位同行或多或少都会碰到过乱码的问题。
从来没有?相信我,只是时候未到,在这行混,迟早会碰到的。
当然,如果你对各类编码非常了解,对浏览器脾气摸得很清楚了,你可以避开或者快速解决此类问题。
希望这篇文章对你有所帮助。

一、为什么会出现乱码?
  在计算机中,我们储存的信息都是用二进制码表示的。我们文字和符号用的二进制代码的互相转换,就是编码,转换需要一种规则,就是字符集(charset),我们常用的字符集例如:ascii,gb2312,unicode。
不同的字符集所存储的内容不同, 比如“太平洋”三个字采用gb2312对应的值为4411 3829 4983,utf-8对应为E5 A4 AA E5 B9 B3 E6 B4 8B,这样,当一个gb2312的文件嵌入一个utf-8的文件的时候,问题就来了。

二、ANSI, Unicode, UTF-8, Encode, Charset, HTML实体… 我快疯了
疯完了没,没昏就行了,别着急,听我一一道来。其实这只是同一样东西在不同场合的应用。
A. ANSI, Unicode, UTF-8
这几个归为一类,它们是文件编码。
ANSI指当地编码,比如在大陆它指GB2312,在台湾它指GBK(Win中记事本保存文件的时候的默认选项就是它)。
Unicode是一个通用字符集,它是一个编码标准,这个和GB2312是对应的,但因为字符集过大,Unicode有它的特殊性,在不同应用场合,有不同的具体实现手法,比如应用于互联网传输,采用的存储与传送格式是UTF-8,Windows应用UTF-16,Linux 应用UTF-32。
B. Charset
HTML中的Charset,CSS中的@charset,XML中的encoding等,这几个归为一类。
它们是告诉浏览器如何解码。比如psd后缀是告诉系统这是Photoshop源文件,同样charset设为gb2312是告诉浏览器这是一个简体中文的网页。

C. Encode
Encode和encodeURI,encodeURIComponent归为一类。
这在下一节中进行比较详细的介绍。当浏览器提交数据给服务器时,特殊字符中文一般浏览器会自动编码,但存在部分保留字符,比如”# /”等,这时候需要encode等进行转换。
D. HTML实体
当网页中需要插入某些特殊字符时,需要用到HTML实体,比如插入<,可以使用<或者实体编码<。

三、Javascript URI编码/解码
A.为什么需要URI编码?
通常来说,之所以URI需要进行编码,是因为URI中有些字符可能会引起歧义或者有隐私的数据。
B. 编码与解码的函数?
JS对文字进行编码涉及3个函数:escape,encodeURI,encodeURIComponent,相应3个解码函数:unescape,decodeURI,decodeURIComponent
C. 如何选择?
首先,范围不同。Escape不能编码的字符有: @ * / +;encodeURI:! @ # $& * ( ) = : / ; ? + ‘ ; encodeURIComponent:! * ( ) 。
其次,编码类型不同。encodeURI、encodeURIComponent采用utf-8进行编码;而Escape采用系统编码。
所以,怎么选择?例如内容中要存在URI标识,则用encodeURI,如果想把”#,/”也要编码用escape或encodeURIComponent。

四、Ajax加载的文件中不能用中文?
  这一直是让开发人员很头疼的问题之一,也是常见的编码问题,原因很简单,你非得拿羊城通往ATM上插,结果当然是读不出来或者读错。编码问题也是一样,通常出错的情况是,文档编码是GB2312,而浏览器以UTF-8(Ajax默认解码方式)来解码,自然乱码。
怎么解决呢?
1、文档采用UTF-8编码,不会产生任何问题。
2、如果不能用UTF-8,XML文档可以指定它的Encoding,JS文件和JSON数据目前没有好的解决办法。

五、GB2312,UTF-8都可以显示中文,如何选择?
  可以显示中文的编码有GB2312、GBK、GB18030、Unicode。前三个保持向后兼容,比如“太平洋”这几个字在这几个编码规则中内码是一样的。它们的不同之处在于字符集不同,GB2312只包括简体中文,GBK还包括繁体,GB18030再加入了少数民族语言,比如藏文。那如果显示简体中文可以任意选择?据我目前测试了解,应该都是可以的,至于速度上是否有差异,还未深究,但GB2312肯定更为通用,而且据我测试已经包含了相当部分繁体。至于Unicode,应用在网页中的UTF-8,中文一般需要占据3个字节(前三种2个字节),所以当中文较多的网页用UTF-8文件将变得更大(我们公司大部分网页4%左右)。

六、UTF-8、UTF-16、UTF-32什么区别?
  Unicode所做的是为每个字符定义了一个相应的数字表示。比如,“a“的Unicode值是0×0061,“一”的 Unicde值是0×4E00,这是最简单的情况,每个字符用2个字节表示。 Unicode定义了百万个以上的字符,如果将所有的字符用统一的格式表示,需要的是4个字节。“a“的Unicode表示就会变成 0×00000061,而“一“的Unicode值是0×00004E00。实际上,这就是UTF32,Linux操作系统上所使用的Unicode方案。但是,仔细分析可以发现,其实绝大部分字符只使用2个字节就可以表示了。英文的Unicode范围是0×0000-0×007F,中文的Unicode范围是0×4E00-0×9F**,真正需要扩展到4个字节来表示的字符少之又少,所以有些系统直接使用2个字节来表示Unicode。比如Windows 系统上,Unicode就是两个字节的。对于那些需要4个字节才能表示的字符,使用一种代理的手法来扩展(其实就是在低两个字节上做一个标记,表示这是一个代理,需要连接上随后的两个字节,才能组成一个字符)。这样的好处是大量的节约了存取空间,也提高了处理的速度。这种Unicode表示方法就是 UTF16。一般在Windows平台上,提到Unicode,那就是指UTF16了。 而UTF-8更有意思,它的字节数1-4个不等,如果纯英文的应用环境,自然用它更加节省。

七、CSS、JS的编码可以和HTML不一致吗?
  可以。但最好在引用时手动设置Charset,值得注意的是IE、FF默认根据当前页面编码,而Chrome默认是UTF-8。

八、我这人比较懒,直接给点建议吧。
懒得够可以的,好吧,那我想到几条写几条:
1、框架页不受父页面编码影响;
2、关于浏览器编码纠错。
测试:创建utf-8文件,更改meta charset属性为gb2312(文件本身数据编码不变),外链gb2312的JS文件,结论:
IE&Chrome自动以utf-8解析,外链JS乱码;
FF以gb2312解析,外链JS中文显示正常。Demo: 测试自动解析编码.html
3、Ajax加载,如果目标文档文件编码非UTF-8,需指定encoding,否则中文乱码;
XML是可以指定编码的,但如果是JSON,Script之类的数据,无法指定编码,要显示中文只有用UTF-8的编码;
4、外链的js,IE、FF默认根据当前页面编码,Chrome默认是Utf-8。如果JS文件为Unicode编码,给文件加上bom比较保险(IE、FF的智能识别)
5、Get数据,IE678,ff3 GBK编码,Chrome utf-8编码。
6、想完全避免它,如果条件允许,网站前后台数据库全部统一用utf-8吧,万事大吉,想碰到编码问题都难。
全部统一用gb2312?不行,问题照出,原因在上文中。
  上一篇:HTML 5的革新:结构之美
  下一篇:html5自带得表单验证代码 做验证再也不用那么复杂了
相关文章(Tags:乱码)