php各种编码集详解和于什么状况下开展动 [php 字符集 显示]

http://blog.cnsunrun.com/member/blog/blog\_info/30/84


php各种编码集详解和以啊状况下进行动

  浏览次数:46  发表时:2011-06-11 23:40       

字符是各种文字和标志的总称,包括各级邦文字、标点符号、图形符号、数字相当于。字符集是大半只字符的成团,字符集种类比较多,每个字符集包含的字符个数不同,常见字符集名称:ASCII字符集、GB2312字符集、BIG5字符集、
GB
18030字符集、Unicode字符集等。计算机要精确的拍卖各种字符集文字,需要进行字符编码,以便计算机能够分辨和储存各种文字。

汉语文数据大,而且还分为简体中文和繁体中文两栽不同书规则的字,而计算机最初是据英语单字节字符设计之,因此,对汉语字符进行编码,是汉语信息交流之艺基础。本文将照字符集的岁月各个讨论几栽典型的字符集,选取几种植代表性的中文字符集,研究历史由来、特点、技术特点。

ASCII 字符集

1.名号的原由

ASCII(American Standard Code for Information
Interchange,美国音相互换标准代码)是因罗马字母表底平等拟电脑编码系统。

2.特点

它们根本用于展示现代英语和任何西欧语言。它是今最通用的单字节编码系统,并同于国际标准ISO
646。

3.富含内容

控制字符:回车键、退格、换行键等。

而显示字符:英文大小写字符、阿拉伯数字和西文符号

4.技术特色

7个(bits)表示一个字符,共128字符

5.ASCII恢弘字符集

7号编码的字符集只能支持128个字符,为了表示又多的欧洲不时因此字符对ASCII进行了扩大,ASCII扩展字符集使用8员(bits)表示一个字符,共256字符。

ASCII扩展字符集比ASCII字符集扩充出的符包括表格符号、计算符号、希腊字母和奇特之拉丁符号。 

GB2312 字符集

 1.名称的来由

GB2312又称之为GB2312-80字符集,全称为《信息交换用汉字编码字符集·基本集》,由原本中国国家标准总局宣布,1981年5月1日实施。

2.特点

GB2312是华夏国家标准的简体中文字符集。它所选用的方块字都盖99.75%底施用频率,基本满足了字之微机处理要。在中国新大陆与新加坡收获广泛采取。

3.包含内容

GB2312收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母,共
7445
个图形字符。其中包6763只字,其中一级汉字3755独,二级汉字3008个;包括拉丁字母、希腊字母、日文平假名及片假名字母、俄报西里尔字母在内的682独全角字符。 

4.技特色

(1)分区表示:

GB2312中针对所竣工汉字进行了“分区”处理,每区含有94只汉字/符号。这种代表方法吗称为区位码。

各区包含的字符如下:01-09区为特殊符号;16-55区为一级汉字,按拼音排序;56-87区为二级汉字,按部首/笔画排序;10-15区跟88-94区则非有编码。

(2)双字节意味着

区区单字节中前的字节为第一字节约,后面的字节为第二字节。习惯及称第一配节为“高字节”
,而如第二字节为“低字节”。

“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0),“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。

5.编码比喻

坐GB2312字符集的率先只字“啊”字也条例,它的区号16,位号01,则区位码是1601,在多数处理器程序中,高字节和亚字节分别加0xA0得到程序的方块字处理编码0xB0A1。计算公式是:0xB0=0xA0+16,
0xA1=0xA0+1。

BIG5 字符集

1.称呼的原由

以如大五码或五大码,1984年是因为台湾财团法人信息工业策进会和五间软件企业宏碁
(Acer)、神通 (MiTAC)、佳佳、零壹 (Zero One)、大众
(FIC)创立,故称杀五码。

Big5码的产生,是因马上台湾差厂商各自出不同的编码,如倚天码、IBM
PS55、王安码等,彼此不克匹配;另一方面,台湾政府即莫推出官方的汉字编码,而中国次大陆的GB2312编码亦弗生出收录繁体中文字。

2.特点

Big5字符集共录取13,053单中文字,该字符集在中国台湾使用。耐人寻味之是欠字符集重复地选用了点儿独一样之字:“兀”(0xA461同0xC94A)、“嗀”(0xDCD1及0xDDFC)。

3.字符编码方法

Big5码使用了双双许节储存方法,以少单字节来编码一个字。第一只字节称为“高位字节”,第二独字节称为“低位字节”。高位字节的编码范围0xA1-0xF9,低位字节的编码范围0x40-0x7E及0xA1-0xFE。

各编码范围对应的字符类型如下:0xA140-0xA3BF为标点符号、希腊字母和特殊符号,另外于0xA259-0xA261,存放了双音节度量衡单位用字:兙兛兞兝兡兣嗧瓩糎;0xA440-0xC67E乎常用汉字,先以笔划再比如部首排序;0xC940-0xF9D5为不良常因此汉字,亦凡预先照笔划再遵照部首排序。

4.Big5 的局限性

尽管Big5垛内包含一万几近个字符,但是从未考虑社会及流通的真名、地名用配、方言用配、化学和生物科等之所以配,没有含日文平假名及片假名字母。

比如说台湾视“着”为“著”的异体字,故并未引用“着”字。康熙字典中之组成部分部首用配(如“亠”、“疒”、“辵”、“癶”等)、常见的人名用字(如“堃”、“煊”、“栢”、“喆”等)
也没收录到Big5中间。

GB18030 字符集

1.号的缘故

GB
18030底齐全是GB18030-2000《信息交换用汉字编码字符集基本凑的扩充》,是我国政府于2000年3月17日公布之初的汉字编码国家标准,2001年8月31日后在炎黄市场上发布之软件要符合本标准

2.特点

GB
18030字符集标准的出面经过广泛与和论证,来自国内外名信息技术行业之局,信息产业部和原来国家质量技术监督局共执行。

GB
18030字符集标准解决汉字、日文假名、朝鲜语和华夏少数民族文字组成的大字符集计算机编码问题。该专业的字符总编码空间超过150万只编码位,收录了27484独汉字,覆盖中文、日文、朝鲜语和中国少数民族文字。满足中国陆地、香港、台湾、日本及韩国齐名东亚地区信息交换多文种、大字量、多用、统一编码格式的渴求。并且和Unicode
3.0本子兼容,填补Unicode扩展字符字汇“统一汉字扩展A”的始末。并且和以前的国度字符编码标准(GB2312,GB13000.1)兼容。

3.编码方法

GB
18030标准以单字节、双字节跟四字节老三种植方式对字符编码。单字节部分用0×00至0×7F码(对应于ASCII码的相应码)。双字节有的,首字节码从0×81至0×FE,尾字节码位分别是0×40及0×7E与0×80及0×FE。四字节片采用GB/T
11383不用的0×30暨0×39当作对双字节编码扩充的后缀,这样扩大的季配节编码,其范围也0×81308130交0×FE39FE39。其中第一、三单字节编码码位均为0×81至0×FE,第二、四只字节编码码位均为0×30及0×39。

4.富含的始末

双字节部分用内容重点概括GB13000.1全CJK汉字20902个、有关标点符号、表意文字描述吻合13单、增补的汉字和部首/构件80独、双配节编码的欧元符号等。  四字节部分用了上述双字节字符之外的,包括CJK统一汉字扩充A在内的GB
13000.1面临的一体字符。

Unicode字符集

1.称呼的因

Unicode字符集编码是Universal Multiple-Octet Coded Character Set
通用多八各类编码字符集的简称,是出于一个叫做也 Unicode 学术学会(Unicode
Consortium)的单位制定的字符编码系统,支持现今世界各种不同语言的封皮文件的置换、处理和展示。该编码为1990年上马研发,1994年正式公布,最新版本是2005年3月31日底Unicode
4.1.0。

2.特征 

Unicode是同一栽在计算机及以的字符编码。它吧每种语言中的每个字符设定了合以唯一的老二前进制编码,以满足超过语言、跨平台开展文本转换、处理的求。

3.编码方法

Unicode
标准始终以十六进制数字,而且在挥洒时当眼前加上前缀“U+”,例如字母“A”的编码为
004116 和字符“?”的编码为 20AC16。所以“A”的编码书写也“U+0041”。

4.UTF-8 编码 

UTF-8凡Unicode的其中一个用到方式。 UTF是 Unicode Translation
Format,即把Unicode转做某种格式的意。

UTF-8便于不同之微处理器中以网络传输不同语言与编码的文字,使得双字节底Unicode能够以现存的处理单字节的系及对传输。

UTF-8用可更换长字节来储存
Unicode字符,例如ASCII字母继续行使1字节囤积,重音文字、希腊字母或西里尔字母等采用2字节来存储,而常用之方块字就要使3字节。辅助平面字符则采取4字节。

5.UTF-16 和 UTF-32 编码 

UTF-32、UTF-16 和 UTF-8 是 Unicode
标准的编码字符集的字符编码方案,UTF-16 使用一个要少数个未分配的 16
位代码单元的队对 Unicode 代码点进行编码;UTF-32 即将每一个 Unicode
代码点表示为相同值的 32 位整数。

 

php 各种以乱码问题之化解方法

1) 使用 标签设置页面编码

是标签的用意是声称客户端的浏览器用啊字符集编码显示该页面,xxx 可以吗
GB2312、GBK、UTF-8(和 MySQL 不同,MySQL 是
UTF8)等等。因此,大部分页面可以运用这种艺术来报告浏览器显示是页面的当儿下什么编码,这样才免见面招致编码错误而来乱码。但是有时候我们见面意识发矣这句还是非常,不管
xxx 是啊一样种植,浏览器采用的尽犹是相同栽编码,这个情景本身后会谈及。

求小心, 是属于 HTML 信息之,仅仅是一个扬言,仅表明服务器已将 HTML
信息污染至了浏览器。

2) header(“content-type:text/html; charset=xxx”);

斯函数 header() 的意向是将括号内的音讯作到 http
标头。如果括号里的始末吗和被所说那样,那作用和
标签基本相同,大家对待第一只看发现字符都多的。但是不同之是要是发这段函数,浏览器就是会永远使你所求的
xxx
编码,绝对不见面不任话,因此是函数是怪有因此的。为什么会这样吗?那即便得说说
http 标头和 HTML信息的歧异了:

http 标头是服务器因为 http 协议传送 HTML 信息及浏览器前所送出之字串。而
标签是属于 HTML 信息之,所以 header() 发送的内容先到达浏览器,通俗点就是
header() 的预先级高于 (不晓但免得以这样说)。假如一个 php
页面既来header(“content-type:text/html;charset=xxx”),又来,浏览器就单纯认前者
http 标头而无认 meta 了。当然是函数只能以 php 页面内使用。

一律为养有一个问题,为什么前者就断起作用,而后人有时候即使充分也?这就是是联网下去要摆的Apache
的缘由了。

3) AddDefaultCharset

Apache 根目录的 conf 文件夹里,有方方面面 Apache 的布置文档 httpd.conf。

故此文本编辑器打开 httpd.conf,第 708 行(不同版本可能两样)有
AddDefaultCharset
xxx,xxx为编码名称。这行代码的意思:设置任何服务器内之网页文件 http
标头里的字符集为而默认的 xxx字符集。有就行,就一定给给每个文件还加以了一条龙
header(“content-type:text/html; charset=xxx”)。这下就是知为什么明明
设置了是 utf-8,可浏览器始终用 gb2312 的由。

要网页里生 header(“content-type:text/html;
charset=xxx”),就把默认的字符集改呢您设置的字符集,所以是函数永远有因此。如果拿
AddDefaultCharset xxx 前面加个”#”,注释掉这句,而且页面里不含有
header(“content-type…”),那这时节便轮至 meta 标签由作用了。

下列有以上的先期顺序:

header(“content-type:text/html; charset=xxx”)

.. AddDefaultCharset xxx

..

假如您是 web
程序员,建议吃您的每个页面还加个header(“content-type:text/html;charset=xxx”),这样便足以确保它们在其他服务器都能对显示,可移植性也正如大。

4) php.ini 中的 default_charset 配置:

php.ini 中的 default_charset = “gb2312” 定义了 php
的默认语言字符集。一般推荐注释掉此行,让浏览器根据网页头被之 charset
来机关选择语言而无做一个强制性的规定,这样即便可当一块儿服务器上提供多种语言的网页服务。

网站地图xml地图