色综合天天综合网国产人,免费A级毛片18以上观看精品

當前位置：主頁 > 技巧 > Access技巧 > 編程心得絕招 > 經驗泛談 > 正文

UTF-8編碼研究

時間：2005-04-20 12:09 來源：blueidea 作者：蕭蕭小雨閱讀：次

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(tǒng)
window系統(tǒng)內部都是unicode的。文件夾名，文件名等都是unicode的，任何語言系統(tǒng)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(tǒng)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(shù)據(jù)是unicode的，在任何語言系統(tǒng)下都能顯示。
如果數(shù)據(jù)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(shù)據(jù)庫取出的數(shù)據(jù)從Unicode轉換到的編碼。（注意這個，很重要。）

關鍵字：
讀�。阂粋€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(tǒng)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(fā)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(shù)據(jù)庫

服務器端：讀取數(shù)據(jù)庫的Unicode數(shù)據(jù)，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.    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.    add.asp 接收留言，保存到數(shù)據(jù)庫
<%@ codepage=936%>
3.    read.asp 從數(shù)據(jù)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(fā)現(xiàn)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(xiàn)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(shù)據(jù)庫的文字，用的是哪個語言對應的Unicode.如codepage=936，
那么數(shù)據(jù)庫保存的就是簡體中文的Unicode（數(shù)據(jù)庫拿回簡體中文系統(tǒng)，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(tǒng)，就不對了）。
3．注意一下串串的變化過程：
--------------------------------------------------------------------
1)    輸入法---Charset    Unicode----指定字符集的映射
2)    Charset----表單編碼    串串簡單編碼
3)    表單解碼    上步的逆過程，兩步抵消了。
4)    串串à按codepage讀取    串串沒變，這步有可能“誤會讀取”
5)    轉為對應的Unicode    Codepage指定字符集----Unicode映射
6)    中間處理，進數(shù)據(jù)庫    無變化，直接以Unicode形式進入
7)
8)    按codepage讀取數(shù)據(jù)庫     Unicode----codepage指定字符集的映射
9)    顯示，按Charset指定字符集讀取    串串沒變。
-------------------------------------------------------------------------------
以例一說明：

例二：

=============================================
暈了。現(xiàn)在來用用知識。

案例1。
簡體中文系統(tǒng)下跑的好好的代碼，放到國外空間上，數(shù)據(jù)庫里亂碼，原有的數(shù)據(jù)也亂碼。
分析：因為大多數(shù)人平時用的都是簡體中文系統(tǒng)，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(shù)據(jù)庫里的Unicode轉換到英文編碼去了，所以數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，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(shù)據(jù)是Unicode的。
5.好了，代碼可以在純繁體系統(tǒng)下跑了。
6.遺留問題：原有的簡體中文數(shù)據(jù)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(shù)，轉為繁體中文，然后寫回數(shù)據(jù)庫，應該行了吧？
案例三：
簡體中文的代碼和數(shù)據(jù)庫，想轉為完全的UTF-8版，怎么辦？
分析：1。代碼文件編碼全部改為UTF-8的，文件本身保存編碼選UTF8。
2．<%@ codepage=65001 %>
3.Charset=UTF-8
4.access版本無所謂，因為access里的數(shù)據(jù)是Unicode的。
5.OK，沒有任何遺留問題。原有的簡體中文也會正常顯示。因為數(shù)據(jù)庫里是Unicode的，按Unicode讀出沒有任何轉換。自然不會亂碼。看來轉到UTF-8還是很簡單的。
=============================================
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。

文件保存編碼和codepage之間的關系

結論：
codepage指定了IIS按什么編碼讀取源文件。如果codepage和源文件的實際編碼相同，則讀取正確，否則就會亂碼。有時還會報編譯錯誤，大概意思是無效字符吧。

題外話：
1．一個文件保存格式為GB2312，那么你在編輯的時候，不論是用輸入法輸入的，還是copy粘貼的，所有的字都會轉為GB2312編碼。
2．象Mid,Left,Chr,Instr等函數(shù)都是面向Unicode形式變量的，他們的入口和出口參數(shù)都是unicode形式的，也就是說，進入時從Unicode轉為對應編碼，出來時轉回Unicode。

試驗過程：
假設文件a.asp，保存編碼格式為GB2312，輸入：帳票マッ（日文輸入法輸入），自動變?yōu)镚B2312編碼的，但因為GB2312字庫中有日文，所以顯示正常。
上面四個字如果按日文Shift-JIS編碼查看，則是：（圖片，否則后面三個是空白）。

--A--
.asp中有代碼：
---------------------
<%@codepage=936%>
aa="帳票マッ"
response.write aa
-------------------------
輸出結果，按charset=GB2312查看為：帳票マッ
按charset=Shift-JIS查看為：
如果codepage=932，輸出按charset=GB2312查看為：帳票マッ
按charset=Shift-JIS查看為：

過程分析：IIS編譯器按936簡體中文讀取源文件，把“帳票マッ”轉為對應的Unicode編碼，賦值給變量aa，也就是說LenB(aa)=8。
Response.write輸出的時候，從Unicode形式轉換到對應的936簡體中文編碼，輸出為html，發(fā)送給瀏覽器，瀏覽器按charset顯示。

--B--
如果把文件的保存編碼換為Shift-JIS，注意四個文字要重新輸入。保存的是Shift-JIS編碼。
<% @codepage=936 %>輸出結果，
按charset=GB2312查看為：挔昜儅僢
按shift-jis查看為：帳票マッ
<% @codepage=932 %>輸出結果，
按charset=GB2312查看為：挔昜儅僢
按shift-jis查看為：帳票マッ

總結：
GB—按GB讀取—對應的Unicode—轉回GB—按GB2312查看，正常。
GB—按GB讀取—對應的Unicode—轉回GB—按Shift-JIS查看，不正常。
GB—按Shift-JIS讀取—對應的Unicode—轉回Shift-JIS—按GB2312查看，正常。
GB—按Shift-JIS讀取—對應的Unicode—轉回Shift-JIS—按Shift-JIS查看，不正常。

Shift-JIS---按GB讀取—對應的Unicode---轉回GB—按GB2312查看，不正常。
Shift-JIS---按GB讀取—對應的Unicode---轉回GB—按Shift-JIS查看，正常。
Shift-JIS---按Shift-JIS讀取—對應的Unicode---轉回Shift-JIS—按GB2312查看，不正常。
Shift-JIS---按Shift-JIS讀取—對應的Unicode---轉回Shift-JIS—按Shift-JIS查看，正常。

可以看出，ASP中的處理是對稱的，所以對于直接輸出和簡單處理的文字，codepage設置為什么都沒有影響，只要文件的編碼和最終顯示的charset相同，那么就會正常顯示。

不會出現(xiàn)亂碼。
因為簡體中文字庫>繁體字庫，所以繁體轉換到簡體時，總是能找到對應的字，
程序接收的已經是簡體Unicode的了，數(shù)據(jù)庫里的數(shù)據(jù)都不會亂碼，后面讀取顯示自然沒有問題。
==============================
而如果是繁體的代碼，charset=big5的話，輸入簡體中文，就有出現(xiàn)亂碼的可能。
因為簡體-->繁體的轉換，就可能沒有字對應。
========================================
陳橋輸出的繁體字是純繁體內碼的吧？
如果是，那么數(shù)據(jù)庫里應該是對應的簡體字的，
輸入簡體字檢索應該可以檢索到的。
====================
你先都加上codepage看看吧。

(責任編輯：admin)

頂一下

(2)

100%

踩一下

(0)

上一篇：新手獲取幫助的幾個途徑
下一篇：如何把字符串傳送到系統(tǒng)剪貼板？