這幾天研究UTF-8編碼,太暈了,把我的看法和各位討論討論。
歡迎來批啊。以下都是我的想法,哪里有不對的請不吝賜教,幫忙指出來。
==========================================================
相關的題外話:
一、操作系統
window系統內部都是unicode的。文件夾名,文件名等都是unicode的,任何語言系統下都能正常顯示。
二、輸入法:
微軟拼音輸出的是Unicode的,智能ABC輸出是簡體中文的(所以智能ABC在非簡體中文系統根本不能用,只能打英文)。
三、網頁的textarea
網頁的textarea是用unicode顯示的。所以往里打什么字都能顯示。而一些flash做的輸入框就不行了。
四、Access2000
access里面保存的數據是unicode的,在任何語言系統下都能顯示。
如果數據視圖查看有些字符不正常,那是因為顯示所用的字體不是Unicode字體,
換用Arial Unicode MS 字體就能全部顯示了。(access幫助,搜索,輸入unicode,有說明)
五、Word
word里的繁簡轉換,簡體轉換到繁體后,內碼仍是簡體中文的,其實只是簡體中的繁體字。
六、ASP內部是Unicode的,所有文本都是Unicode存儲的。需要時轉換到指定字符集。
=======================================================
首先說下結論:
<%@ codepage=936%>簡體中文
<%@ codepage=950%>繁體中文
<%@ codepage=65001%>UTF-8
codepage指定了IIS按什么編碼讀取傳遞過來的串串(表單提交,地址欄傳遞等)。
也指定了所有文本變量從Unicode轉換到的編碼,
也就指定了從數據庫取出的數據從Unicode轉換到的編碼。(注意這個,很重要。)
關鍵字:
讀取:一個串串,按簡體讀取是一些字,按繁體讀取是一些字,串串本身編碼沒有變。
轉換:系統主動的轉換,比如從Unicode的“化”字到Big5的“化”字,內碼變成Big5的。如果Big5沒有對應的字,保留Unicode形式(&#xxxx;)
簡體中文:化六個結論
Unicode16進制形式:化六个结论
Unicode10進制形式:化六个结论
下面是我推測出來的編碼轉換的過程:
客戶端:輸入法Unicode--輸入框unicode--從Unicode按charset轉換到對應編碼()--表單發送編碼
服務器端:IIS解開表單編碼--按codepage指定編碼讀取--轉換到對應的Unicode--可以用request("")讀取了--進行一些處理--以Unicode編碼保存到數據庫
服務器端:讀取數據庫的Unicode數據,轉換到codepage指定編碼---生成源代碼--IE按charset讀取顯示。
下面舉例說明:
例一:
假設有三個asp頁面,典型的留言頁面:
1.
<!--/ubbcodetab-->
write.asp 簡單的輸入表單,提交到add.asp。
<META http-equiv="Content-Type" content="text/html; charset=big5">
2.
<!--/ubbcodetab-->
add.asp 接收留言,保存到數據庫
<%@ codepage=936%>
3.
<!--/ubbcodetab-->
read.asp 從數據庫取得留言,顯示。
<%@ codepage=936%> charset=GB2312 或
<%@ codepage=950%> charset=big5
大家可以猜一猜,我在write.asp里用微軟拼音輸入法輸入“化六個討論”。最后在read.asp里會顯示什么樣?
是不是暈了。讓我們從頭分析。
例二:
把例一的add.asp的<%@ codepage=936%>改為<%@ codepage=950%>,又會怎么樣呢?
到這里發現了什么?
1.如果輸入的文字和Charset對應的不同,一轉換,就可能出現Unicode形式的字了。這里就是原因所在。以后整個過程都保留著。
2.Add.asp里codepage決定了保存到數據庫的文字,用的是哪個語言對應的Unicode.如codepage=936,
那么數據庫保存的就是簡體中文的Unicode(數據庫拿回簡體中文系統,一切正常的),
codepage=950保存的就是繁體中文的Unicode.(拿回簡體中文系統,就不對了)。
3.注意一下串串的變化過程:
--------------------------------------------------------------------
1)
<!--/ubbcodetab-->
輸入法---Charset
<!--ubbcodetab--><!--/ubbcodetab-->
Unicode----指定字符集的映射
2)
<!--/ubbcodetab-->
Charset----表單編碼
<!--ubbcodetab--><!--/ubbcodetab-->
串串簡單編碼
3)
<!--/ubbcodetab-->
表單解碼
<!--ubbcodetab--><!--/ubbcodetab-->
上步的逆過程,兩步抵消了。
4)
<!--/ubbcodetab-->
串串à按codepage讀取
<!--ubbcodetab--><!--/ubbcodetab-->
串串沒變,這步有可能“誤會讀取”
5)
<!--/ubbcodetab-->
轉為對應的Unicode
<!--ubbcodetab--><!--/ubbcodetab-->
Codepage指定字符集----Unicode映射
6)
<!--/ubbcodetab-->
中間處理,進數據庫
<!--ubbcodetab--><!--/ubbcodetab-->
無變化,直接以Unicode形式進入
7)
<!--/ubbcodetab--><!--ubbcodetab-->
<!--/ubbcodetab-->
8)
<!--/ubbcodetab-->
按codepage讀取數據庫
<!--ubbcodetab--><!--/ubbcodetab-->
Unicode----codepage指定字符集的映射
9)
<!--/ubbcodetab-->
顯示,按Charset指定字符集讀取
<!--ubbcodetab--><!--/ubbcodetab-->
串串沒變。
-------------------------------------------------------------------------------
以例一說明:
例二:
=============================================
暈了。現在來用用知識。
案例1。
簡體中文系統下跑的好好的代碼,放到國外空間上,數據庫里亂碼,原有的數據也亂碼。
分析:因為大多數人平時用的都是簡體中文系統,默認的codepage=936,所以平時大家不寫也沒有關系。
但到了國外空間問題就出來了。從數據庫里的Unicode轉換到英文編碼去了,所以數據庫原有的簡體中文轉換到英文后,按GB顯示自然亂碼。
如圖,新輸入的文字顯示正常,但數據庫里保存的是英文的Unicode的。
解決方法:全部加上<%@codepage=936即可%>。
全程只有簡體中文與對應Unicode間的轉換。
案例二:
簡體中文的代碼和數據,想轉為完全的繁體版,該怎么辦?
分析:1。代碼文件編碼全部改為Big5的,文件本身保存編碼選繁體。
2.<%@ codepage=936 %>
3.Charset=big5
4.access版本無所謂,因為access里的數據是Unicode的。
5.好了,代碼可以在純繁體系統下跑了。
6.遺留問題:原有的簡體中文數據讀出會有一些問號。效果同例一的950讀取,big5顯示。因為從簡體中文的Unicode轉換到繁體中文了,有些字繁體中沒有,就會出問號。
7.解決:用一個臨時asp頁,codepage=65001,讀出為簡體中文的Unicode,用一個Unicode->Big5的函數,轉為繁體中文,然后寫回數據庫,應該行了吧?
=============================================
兩個案例完全是我按照理論推導出來了,未經證實。
有類似經歷的歡迎批評指正。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
