新手站長入門教程：網(wǎng)頁編碼就是那點(diǎn)事

編碼一直是讓新手頭疼的問題，特別是 GBK、GB2312、UTF-8 這三個(gè)比較常見的網(wǎng)頁編碼的區(qū)別，更是讓許多新手暈頭轉(zhuǎn)向，怎么解釋也解釋不清楚。但是編碼又是那么重要，特別在網(wǎng)頁這一塊。如果你打出來的不是亂碼，而網(wǎng)頁中出現(xiàn)了亂碼，絕大部分原因就出在了編碼上了。此外除了亂碼之外，還會出現(xiàn)一些其他問題(例如：IE6 的 CSS 加載問題)等等。潛行者m 寫出本文的目的，就是要徹底解釋清楚這個(gè)編碼問題!如果你遇到了類似的問題，那就要仔細(xì)的看看這篇文章。

aNSI、GBK、GB2312、UTF-8、GB18030和 UNICODE

這幾個(gè)編碼關(guān)鍵詞是比較常見的，雖然我把我們放在了一起說，但并不意味這這幾個(gè)東西是平級的關(guān)系。本部分的內(nèi)容，引用自網(wǎng)絡(luò)略有修改，不知原文出處，故無法署名。

很久很久以前，有一群人，他們決定用8個(gè)可以開合的晶體管來組合成不同的狀態(tài)，以表示世界上的萬物，他們把這稱為”字節(jié)”。再后來，他們又做了一些可以處理這些字節(jié)的機(jī)器，機(jī)器開動了，可以用字節(jié)來組合出很多狀態(tài)，狀態(tài)開始變來變?nèi)?，他們就把這機(jī)器稱為”計(jì)算機(jī)”。

開始計(jì)算機(jī)只在美國用。八位的字節(jié)一共可以組合出256(2的8次方)種不同的狀態(tài)。他們把其中的編號從0開始的32種狀態(tài)分別規(guī)定了特殊的用途，一但終端、打印機(jī)遇上約定好的這些字節(jié)被傳過來時(shí)，就要做一些約定的動作。遇上 00×10, 終端就換行，遇上0×07, 終端就向人們嘟嘟叫，例好遇上0x1b, 打印機(jī)就打印反白的字，或者終端就用彩色顯示字母。他們看到這樣很好，于是就把這些0×20以下的字節(jié)狀態(tài)稱為”控制碼”。

他們又把所有的空格、標(biāo)點(diǎn)符號、數(shù)字、大小寫字母分別用連續(xù)的字節(jié)狀態(tài)表示，一直編到了第127號，這樣計(jì)算機(jī)就可以用不同字節(jié)來存儲英語的文字 了。大家看到這樣，都感覺很好，于是大家都把這個(gè)方案叫做 aNSI 的”ascii”編碼(american Standard Code for Information Interchange，美國信息互換標(biāo)準(zhǔn)代碼)。當(dāng)時(shí)世界上所有的計(jì)算機(jī)都用同樣的aSCII方案來保存英文文字。

后來計(jì)算機(jī)發(fā)展越來越廣泛，世界各國為了可以在計(jì)算機(jī)保存他們的文字，他們決定采用127號之后的空位來表示這些新的字母、符號，還加入了很多畫表格時(shí)需要用下到的橫線、豎線、交叉等形狀，一直把序號編到了 最后一個(gè)狀態(tài)255。從128到255這一頁的字符集被稱”擴(kuò)展字符集”。但是原有的編號方法，已經(jīng)再也放不下更多的編碼。

等中國人們得到計(jì)算機(jī)時(shí)，已經(jīng)沒有可以利用的字節(jié)狀態(tài)來表示漢字，況且有6000多個(gè)常用漢字需要保存呢。于是國人就自主研發(fā)，把那些127號之后的奇異符號們直接取消掉。規(guī)定：一個(gè)小于127的字符的意義與原來相同，但兩個(gè)大于127的字符連在一起時(shí)，就表示一個(gè)漢字，前面的一個(gè)字節(jié)(他稱之為高字節(jié))從0xa1用到 0xF7，后面一個(gè)字節(jié)(低字節(jié))從0xa1到0xFE，這樣我們就可以組合出大約7000多個(gè)簡體漢字了。在這些編碼里，我們還把數(shù)學(xué)符號、羅馬希臘的字母、日文的假名們都編進(jìn)去了，連在 aSCII 里本來就有的數(shù)字、標(biāo)點(diǎn)、字母都統(tǒng)統(tǒng)重新編了兩個(gè)字節(jié)長的編碼，這就是常說的”全角”字符，而原來在127號以下的那些就叫”半角”字符了。

中國人民看到這樣很不錯(cuò)，于是就把這種漢字方案叫做 “GB2312″。GB2312 是對 aSCII 的中文擴(kuò)展。

但是中國的漢字太多了，后來還是不夠用，于是干脆不再要求低字節(jié)一定是127號之后的內(nèi)碼，只要第一個(gè)字節(jié)是大于127就固定表示這是一個(gè)漢字的開始，不管后面跟的是不是 擴(kuò)展字符集里的內(nèi)容。結(jié)果擴(kuò)展之后的編碼方案被稱為 GBK 標(biāo)準(zhǔn)，GBK 包括了 GB2312 的所有內(nèi)容，同時(shí)又增加了近20000個(gè)新的漢字(包括繁體字)和符號。后來少數(shù)民族也要用電腦了，于是我們再擴(kuò)展，又加了幾千個(gè)新的少數(shù)民族的字，GBK 擴(kuò)成了 GB18030。從此之后，中華民族的文化就可以在計(jì)算機(jī)時(shí)代中傳承了。

因?yàn)楫?dāng)時(shí)各個(gè)國家都像中國這樣搞出一套自己的編碼標(biāo)準(zhǔn)，結(jié)果互相之間誰也不懂誰的編碼，誰也不支持別人的編碼。當(dāng)時(shí)的中國人想讓電腦顯示漢字，就必須裝上一個(gè)”漢字系統(tǒng)”，專門用來處理漢字的顯示、輸入的問題，裝錯(cuò)了字符系統(tǒng)，顯示就會亂了套。這怎么辦就在這時(shí)，一個(gè)叫 ISO (國際標(biāo)誰化組織)的國際組織決定著手解決這個(gè)問題。他們采用的方法很簡單：廢了所有的地區(qū)性編碼方案，重新搞一個(gè)包括了地球上所有文化、所有字母和符號的編碼!他們打算叫它”Universal Multiple-Octet Coded Character Set”，簡稱 UCS, 俗稱 “UNICODE”。

UNICODE 開始制訂時(shí)，計(jì)算機(jī)的存儲器容量極大地發(fā)展了，空間再也不成為問題了。于是 ISO 就直接規(guī)定必須用兩個(gè)字節(jié)，也就是16位來統(tǒng)一表示所有的字符，對于 ascii 里的那些”半角”字符，UNICODE 包持其原編碼不變，只是將其長度由原來的8位擴(kuò)展為16位，而其他文化和語言的字符則全部重新統(tǒng)一編碼。由于”半角”英文符號只需要用到低8位，所以其高 8位永遠(yuǎn)是0，因此這種大氣的方案在保存英文文本時(shí)會多浪費(fèi)一倍的空間。

但是，UNICODE 在制訂時(shí)沒有考慮與任何一種現(xiàn)有的編碼方案保持兼容，這使得 GBK 與UNICODE 在漢字的內(nèi)碼編排上完全是不一樣的，沒有一種簡單的算術(shù)方法可以把文本內(nèi)容從UNICODE編碼和另一種編碼進(jìn)行轉(zhuǎn)換，這種轉(zhuǎn)換必須通過查表來進(jìn)行。 UNICODE 是用兩個(gè)字節(jié)來表示為一個(gè)字符，他總共可以組合出65535不同的字符，這大概已經(jīng)可以覆蓋世界上所有文化的符號。

UNICODE 來到時(shí)，一起到來的還有計(jì)算機(jī)網(wǎng)絡(luò)的興起，UNICODE 如何在網(wǎng)絡(luò)上傳輸也是一個(gè)必須考慮的問題，于是面向傳輸?shù)谋姸?UTF(UCS Transfer Format)標(biāo)準(zhǔn)出現(xiàn)了，顧名思義，UTF8 就是每次8個(gè)位傳輸數(shù)據(jù)，而 UTF16 就是每次16個(gè)位，只不過為了傳輸時(shí)的可靠性，從UNICODE到 UTF時(shí)并不是直接的對應(yīng)，而是要過一些算法和規(guī)則來轉(zhuǎn)換。

看完這些，相信你對于這幾個(gè)編碼關(guān)系等，了解的比較清楚了吧。我再來簡單的總結(jié)一下：

1、中國人民通過對 aSCII 編碼的中文擴(kuò)充改造，產(chǎn)生了 GB2312 編碼，可以表示6000多個(gè)常用漢字。

2、漢字實(shí)在是太多了，包括繁體和各種字符，于是產(chǎn)生了 GBK 編碼，它包括了 GB2312 中的編碼，同時(shí)擴(kuò)充了很多。

3、中國是個(gè)多民族國家，各個(gè)民族幾乎都有自己獨(dú)立的語言系統(tǒng)，為了表示那些字符，繼續(xù)把 GBK 編碼擴(kuò)充為 GB18030 編碼。

4、每個(gè)國家都像中國一樣，把自己的語言編碼，于是出現(xiàn)了各種各樣的編碼，如果你不安裝相應(yīng)的編碼，就無法解釋相應(yīng)編碼想表達(dá)的內(nèi)容。

5、終于，有個(gè)叫 ISO 的組織看不下去了。他們一起創(chuàng)造了一種編碼 UNICODE ，這種編碼非常大，大到可以容納世界上任何一個(gè)文字和標(biāo)志。所以只要電腦上有 UNICODE 這種編碼系統(tǒng)，無論是全球哪種文字，只需要保存文件的時(shí)候，保存成 UNICODE 編碼就可以被其他電腦正常解釋。

UNICODE 在網(wǎng)絡(luò)傳輸中，出現(xiàn)了兩個(gè)標(biāo)準(zhǔn) UTF-8 和 UTF-16，分別每次傳輸 8個(gè)位和 16個(gè)位。

于是就會有人產(chǎn)生疑問，UTF-8 既然能保存那么多文字、符號，為什么國內(nèi)還有這么多使用 GBK 等編碼的人因?yàn)?UTF-8 等編碼體積比較大，占電腦空間比較多，如果面向的使用人群絕大部分都是中國人，用 GBK 等編碼也可以。但是目前的電腦來看，硬盤都是白菜價(jià)，電腦性能也已經(jīng)足夠無視這點(diǎn)性能的消耗了。所以推薦所有的網(wǎng)頁使用統(tǒng)一編碼：UTF-8。

關(guān)于記事本無法單獨(dú)保存“聯(lián)通”的問題

當(dāng)你新建一個(gè) 文本文檔 之后，在里面輸入 “聯(lián)通” 兩個(gè)字，然后保存。當(dāng)你再次打開的時(shí)候，原來輸入的 “聯(lián)通” 會變成兩個(gè)亂碼。

這個(gè)問題就是因?yàn)?GB2312 編碼與 UTF8 編碼產(chǎn)生了編碼沖撞造成的。從網(wǎng)上引來一段從UNICODE到UTF8的轉(zhuǎn)換規(guī)則：

UTF-8

0000 – 007F

0xxxxxxx

0080 – 07FF

110xxxxx 10xxxxxx

0800 – FFFF

1110xxxx 10xxxxxx 10xxxxxx

例如”漢”字的Unicode編碼是6C49。6C49在0800-FFFF之間，所以要用3字節(jié)模板：1110xxxx 10xxxxxx 10xxxxxx。將6C49寫成二進(jìn)制是：0110 1100 0100 1001，將這個(gè)比特流按三字節(jié)模板的分段方法分為0110 110001 001001，依次代替模板中的x，得到：1110-0110 10-110001 10-001001，即E6 B1 89，這就是其UTF8的編碼。

而當(dāng)你新建一個(gè)文本文件時(shí)，記事本的編碼默認(rèn)是aNSI, 如果你在aNSI的編碼輸入漢字，那么他實(shí)際就是GB系列的編碼方式，在這種編碼下，”聯(lián)通”的內(nèi)碼是：

c1 1100 0001

aa 1010 1010

cd 1100 1101

a8 1010 1000

注意到了嗎第一二個(gè)字節(jié)、第三四個(gè)字節(jié)的起始部分的都是”110″和”10″，正好與UTF8規(guī)則里的兩字節(jié)模板是一致的，于是再次打開記事本 時(shí)，記事本就誤認(rèn)為這是一個(gè)UTF8編碼的文件，讓我們把第一個(gè)字節(jié)的110和第二個(gè)字節(jié)的10去掉，我們就得到了”00001 101010″，再把各位對齊，補(bǔ)上前導(dǎo)的0，就得到了”0000 0000 0110 1010″，不好意思，這是UNICODE的006a，也就是小寫的字母”j”，而之后的兩字節(jié)用UTF8解碼之后是0368，這個(gè)字符什么也不是。這就 是只有”聯(lián)通”兩個(gè)字的文件沒有辦法在記事本里正常顯示的原因。

當(dāng)前題目：新手站長入門教程：網(wǎng)頁編碼就是那點(diǎn)事
網(wǎng)站路徑：http://muchs.cn/news4/127104.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站排名、網(wǎng)站導(dǎo)航、網(wǎng)站制作、軟件開發(fā)、自適應(yīng)網(wǎng)站、營銷型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)