马上注册成为ROSABC会员，随时发帖回复。
您需要 登录 才可以下载或查看，没有账号？会员注册
x
常常我们翻开外国网站的时分出现乱码，又或许翻开许多非英语的外国网站的时分，闪现的都是口口口口口的字符。
WordPress程序是用的UTF-8，许多cms用的是GB2312。
●为啥有这么多编码？
●UTF-8和GB2312有啥差异？
●我们在国内做网站是用UTF-8编码格式仍是GB2312编码格式好？
一.各种编码的来历
可以许多同学一贯对字符的各种编码办法懵懵懂懂，根柢搞不清为啥他们有这么多编码。
ANSI编码
其实在良久良久从前，有一群人，他们抉择用8个可以开合的晶体管来组合成不相同的情况，以标明国际上的万物。他们看到8个开关情况是好的，所以他们把这称为“字节”。
初步核算机只在美国用。八位的字节总共可以组合出256（2的8次方）种不相同的情况。
他们把其间的编号从0初步的32种情况分别规则了特别的用途，一但终端、打印机遇上约好好的这些字节被传过来时，就要做一些约好的动作。
遇上00×10，终端就换行，遇上0×07,终端就向我们嘟嘟叫，例好遇上0×1b,打印机就打印反白的字，或许终端就用五颜六色闪现字母。他们看到这样极好，所以就把这些0×20以下的字节情况称为”控制码”。
他们又把全部的空格、标点符号、数字、大小写字母分别用连续的字节情况标明，一贯编到了第127号，这样核算机就可以用不相同字节来存储英语的文字了。我们看到这样，都感触极好，所以我们都把这个方案叫做ANSI的”Ascii”编码（American Standard Code forI nformation Interchange，美国信息交流标准代码）。当时国际上全部的核算机都用相同的ASCII方案来保管英文文字。
扩展ANSI编码
后来，就像缔造巴比伦塔相同，国际各地的都初步运用核算机，可是许多国家用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在核算机保管他们的文字，他们抉择选用127号之后的空位来标明这些新的字母、符号，还加入了许多画表格时需要用下到的横线、竖线、交叉等形状，一贯把序号编到了结尾一个情况255。从128到255这一页的字符集被称“扩展字符集”。从此之后，贪婪的人类再没有新的情况可以用了，美国当时估计也没想到还有别的国家要用核算机的。
GB2312编码
当天朝我们得到核算机时，现已没有可以运用的字节情况来标明汉字，况且有6000多个常用汉字需要保管呢。天朝公民就不推让地把那些127号之后的独特符号们直接取消掉。
规则：一个小于127的字符的意义与正本相同，但两个大于127的字符连在一一起，就标明一个汉字，前面的一个字节（他称之为高字节）从0xA1用到0xF7，后边一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大概7000多个简体汉字了。
在这些编码里，我们还把数学符号、罗马希腊的字母、日文的化名们都编进去了，连在ASCII里正本就有的数字、标点、字母都统统从头编了两个字节长的编码，这便是常说的“全角”字符，而正本在127号以下的那些就叫”半角”字符了。所以就把这种汉字方案叫做“GB2312”。GB2312是对ASCII的中文扩展。
GBK和GB18030编码
可是天朝的汉字太多了，我们很快就就发现有许多人的人名没有办法在这里打出来，特别是某些天朝领导的名字要是打不出很费事的。所以我们不得不继续把GB2312没有用到的码位找出来宽厚不推让地用上。
后来仍是不可用，所以爽性不再需要低字节一定是127号之后的内码，只需第一个字节是大于127就固定标明这是一个汉字的初步，不管后边跟的是不是扩展字符集里的内容。效果扩展之后的编码方案被称为GBK标准，GBK包括了GB2312的全部内容，一起又增加了近20000个新的汉字（包括繁体字）和符号。
后来少数民族也要用电脑了，所以我们再扩展，又加了几千个新的少数民族的字，GBK扩成了GB18030。从此之后，天朝民族的文明就可以在核算机时代中传承了。
在这个标准里，最大的特点是两字节长的汉字字符和一字节长的英文字符并存于同一套编码方案里，因此他们写的程序为了支撑中文处置，有必要要注意字串里的每一个字节的值，如果这个值是大于127的，那么就认为一个双字节字符集里的字符出现了。
那时分凡是受过编程学习的程序员都要每天念下面这个咒语数百遍的糟蹋：
“一个汉字算两个英文字符！一个汉字算两个英文字符……”
UNICODE编码
因为当时各个国家都像天朝这样搞出一套自己的编码标准，效果相互之间谁也不明白谁的编码，谁也不支撑别人的编码，连大陆和台湾这样只相隔了150海里，运用着同一种言语的兄弟区域，也分别选用了不相同的编码方案：
当时的天朝人想让电脑闪现汉字，就有必要装上一个“汉字系统”。专门用来处置汉字的闪现、输入的疑问。
可是那个装台湾的人士写的程序就有必要加装另一套支撑BIG5编码的“倚天汉字系统”才可以用，装错了字符系统，闪现就会乱了套！这怎样办？而且国际民族中还有那些暂时用不上电脑的困难公民，他们的文字又怎样办？
正在这时，天使及时出现了——一个叫ISO（国际标谁化组织）的国际组织抉择着手处置这个疑问。他们选用的办法很简略：废了全部的区域性编码方案，从头搞一个包括了地球上全部文明、全部字母和符号的编码！他们方案叫它UCS,俗称UNICODE。（UniversalMultiple-OctetCodedCharacterSet）
在UNICODE中，一个汉字算两个英文字符的时代现已快过去了。
无论是半角的英文字母，仍是全角的汉字，它们都是共同的“一个字符”！一起，也都是共同的“两个字节””
UTF-8和UTF-16
UNICODE来到时，一起到来的还有核算机网络的兴起，UNICODE怎样在网络上传输也是一个有必要思考的疑问，所以面向传输的许多UTF（UCSTransferFormat）标准出现了，断章取义，UTF8便是每次8个位传输数据，而UTF16便是每次16个位，只不过为了传输时的可靠性，从UNICODE到UTF时并不是直接的对应，而是要过一些算法和规则来改换。
将来的UCS-4
如前所述，UNICODE是用两个字节来标明为一个字符，他总共可以组合出65535不相同的字符，这大概现已可以掩盖国际上全部文明的符号。如果还不可也没有联络，ISO现已准备了UCS-4方案，说简略了便是四个字节来标明一个字符，这样我们就可以组合出21亿个不相同的字符出来（最高位有其他用途），这大概可以用到天朝树立银河联邦树立那一天吧！
二.为啥有些网站翻开有时分会是乱码
网页乱码是阅览器（如IE等）对HTML网页说明时构成的。
如果在阅览网站网页的代码写错语系（比较稀有），有形如：
……
的语句，阅览器在闪现此页时，就会出现乱码。因为阅览器会将此页语种辨认为“欧洲语系”。
处置的办法是将语种“ISO-8859-1”改为GB2312，如果是繁体网页则改为BIG5。
还有一种可以比较大，便是网页并没有标明他用的是何种语系，即没有
，这一行。
而你的核算机默许也不是这种语系，比方我们访问某些日文网站，常常出现这个疑问。这个首要是因为程序员是面向当地的人开发的网站，因为当地都是默许语系，所以没有乱码种情况，而你是外来人，你的操作系统本身默许不是当地的语系。所以要手动改语系。
至于出现口口口口口口这种情况
这是因为网站并没有选用UTF-8编码而是选用的当地的编码，如蒙古语的，阿拉伯语的编码，你的核算机中并没有这种编码，所以不能辨认。
处置办法是，事先为阅览器设备多言语支撑包（例如在设备IE时要设备多言语支撑包），这样在阅览网页出现乱码时，就可以在阅览器中选择菜单栏下的“查看”/“编码”/“自动选择”/蒙古），如为繁体中文则选择“查看”/“编码”/“自动选择”/阿拉伯语，其它言语依此类推选择相应的语系，这样可消除网页乱码表象。
三.当时开发网站用啥编码比较好
我们一般粗浅的理解为：
UTF-8是国际性通用代码，也完美的支撑中文编码，如果我们做的网站能让国外用户正常的访问，就最佳用UTF-8。
GB2312归于中文编码，首要关于国内用户运用，如果国外用户访问GB2312编码的网站就会变乱码。
网友的反响一般觉得是用UTF-8比GB2312要多许多，我们都比较赞同用UTF-8。
从一张外国网站的查询也可看得出：
由此图可以看出，2001-2008年时刻，GB2312编码的运用情况虽然崎岖不大，但仍是在稳定上升的；蓝色的线标明出用UTF-8的网站越来越多了。
我选择了国内有些几个大的门户网站，看看他们用的是哪种编码格式：
或许有同学就会问了为啥国内几个网站用GB2312反而更多些呢。
对这个疑问进行了思考，我觉得，应该有3种缘由：
1.国内这些网站本身前史也比较长，初步运用的便是GB2312编码，如今改成UTF-8（从前的网页）改换的难度和风险太大。
2.UTF-8编码的文件比GB2312更占空间一些，虽然当时的硬件环境下可以忽略，可是这些门户网站为了减少服务器负载基本上全部的页面都生成了静态页，UTF-8保管起来文件会比较大，关于门户级别的网站每天生成的文件量仍是非常无量，带来的存储本钱相应前进。
3.因为UTF-8的编码比GB2312解码的网络传输数据量要大，关于门户级别的网站来说。这个无形之间就要增大带宽，用GB2312对网络流量无疑是最佳的优化。
所以在新做站的情况下，建议仍是选择UTF-8比较好。因为没有上面那些缘由，兼容为上策。
| 
楼主
发表于 2013-6-11 23:50:22
