php各种编码集详解和于啊状况下进展动 [php 字符集 显示]php各种编码集 字符集 显示 详解。

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

字符是各种文字与记的总称,包括各级国家文字、标点符号、图形符号、数字相当于。字符集是多只字符的联谊,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。


中文文数据大,而且还分为简体中文和繁体中文两种不同书规则之亲笔,而电脑最初是遵循英语单字节字符设计的,因此,对中文字符进行编码,是华语信息交流的技巧基础。本文将依照字符集的工夫各个讨论几种典型的字符集,选取几栽代表性的华语字符集,研究历史由来、特点、技术特色。

php各种编码集详解和在啊动静下进展下

ASCII 字符集

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

1.名称的故

字符是各种文字与标记的总称,包括每邦文字、标点符号、图形符号、数字相当于。字符集是差不多个字符的集聚,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。计算机要可靠的拍卖各种字符集文字,需要开展字符编码,以便计算机能够辨识与仓储各种文字。

ASCII(American Standard Code for Information
Interchange,美国音相互换标准代码)是因罗马字母表底一律拟电脑编码系统。

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之亲笔,而计算机最初是随英语单字节字符设计之,因此,对中文字符进行编码,是中文信息交流之艺基础。本文将随字符集的岁月顺序讨论几栽典型的字符集,选取几种植代表性的国语字符集,研究历史由来、特点、技术特色。

2.特点

ASCII 字符集

她根本用于展示现代英语和其它西欧语言。它是本最为通用的单字节编码系统,并同于国际标准ISO
646。

1.称的由来

3.包含内容

ASCII(American Standard Code for Information
Interchange,美国音交互换标准代码)是基于罗马字母表底同仿照电脑编码系统。

控制字符:回车键、退格、换行键等。

2.特点

但是显示字符:英文大小写字符、阿拉伯数字和西文符号

其最主要用来展示现代英语与其他西欧语言。它是现在极其通用的单字节编码系统,并同样于国际标准ISO
646。

4.技艺特点

3.带有内容

7号(bits)表示一个字符,共128字符

控制字符:回车键、退格、换行键等。

5.ASCII扩展字符集

只是显示字符:英文大小写字符、阿拉伯数字与西文符号

7号编码的字符集只能支持128个字符,为了表示还多的欧洲经常因此字符对ASCII进行了扩大,ASCII扩展字符集使用8个(bits)表示一个字符,共256字符。

4.技巧特色

ASCII扩展字符集比ASCII字符集扩充出的符号包括表格符号、计算符号、希腊字母和不同寻常之拉丁符号。

7各(bits)表示一个字符,共128字符

GB2312 字符集

5.ASCII扩展字符集

 1.名的故

7号编码的字符集只能支持128只字符,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个(bits)表示一个字符,共256字符。

GB2312又叫做GB2312-80字符集,全称为《信息置换用汉字编码字符集·基本集》,由原先中国国家标准总局披露,1981年5月1日推行。

ASCII扩展字符集比ASCII字符集扩充出的标记包括表格符号、计算符号、希腊字母和异样之拉丁符号。 

2.特点

GB2312 字符集

GB2312是炎黄国家标准的简体中文字符集。它所引用的方块字都盖99.75%底运效率,基本满足了汉字的微机处理要。在中华地与新加坡抱广泛利用。

 1.称的由来

3.饱含内容

GB2312又称为GB2312-80字符集,全称为《信息交换用汉字编码字符集·基本集》,由本中国国家标准总局披露,1981年5月1日履行。

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。其中包括6763独汉字,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只全角字符。

2.特点

4.技术特点

GB2312是中国国家标准的简体中文字符集。它所选用的汉字都盖99.75%的运用效率,基本满足了字的微处理器处理得。在中国次大陆与新加坡博广泛采用。

(1)分区表示:

3.含内容

GB2312中对所收字进行了“分区”处理,每区含有94独汉字/符号。这种代表法啊称为区位码。

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个字,其中一级汉字3755单,二级汉字3008单;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个全角字符。 

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区与88-94区则未闹编码。

4.技艺特点

(2)双字节代表

(1)分区表示:

些微只字节中前的字节为率先字节约,后面的字节为次字节。习惯及如第一配节为“高字节”
,而称第二字节为“低字节”。

GB2312中对所收字进行了“分区”处理,每区含有94单字/符号。这种代表法啊称为区位码。

“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加以上0xA0)。

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区暨88-94区则非出编码。

5.编码举例

(2)双字节表示

因为GB2312字符集的首先单字“啊”字为例,它的区号16,位号01,则区位码是1601,在大部计算机程序中,高字节和没有字节分别加0xA0得到程序的字处理编码0xB0A1。计算公式是:0xB0=0xA0+16,
0xA1=0xA0+1。

零星单字节中前的字节为第一许节约,后面的字节为第二字节。习惯及如第一字节为“高字节”
,而称第二许节为“低字节”。

BIG5 字符集

“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加以上0xA0)。

1.名号的原由

5.编码比方

同时如非常五码或五大码,1984年由台湾财团法人信息工业策进会和五间软件商店大?
(Acer)、神通 (MiTAC)、佳佳、零壹 (Zero One)、大众
(FIC)创立,故称非常五码。

以GB2312字符集的率先单汉字“啊”字也例,它的区号16,位号01,则区位码是1601,在大部电脑程序中,高字节和没有字节分别加0xA0得到程序的字处理编码0xB0A1。计算公式是:0xB0=0xA0+16,
0xA1=0xA0+1。

Big5码的出,是以当时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,台湾政府立刻并未推出官方的汉字编码,而中华陆地的GB2312编码亦不闹收录繁体中文字。

BIG5 字符集

2.特点

1.称呼的原故

Big5字符集共录取13,053个中文字,该字符集在中国台湾使用。耐人寻味的凡欠字符集重复地选用了少数只一样的字:“兀”(0xA461暨0xC94A)、“??rdquo;(0xDCD1及0xDDFC)。

并且如大五码或五大码,1984年是因为台湾财团法人信息工业策进会和五间软件商店宏碁
(Acer)、神通 (MiTAC)、佳佳、零壹 (Zero One)、大众
(FIC)创立,故称大五码。

3.字符编码方法

Big5码的起,是为当时台湾不同厂商各自出不同之编码,如倚天码、IBM
PS55、王安码等,彼此不克匹配;另一方面,台湾政府当即从未有过推出官方的汉字编码,而中华陆地的GB2312编码亦非发收录繁体中文字。

Big5码使用了夹配节储存方法,以简单个字节来编码一个许。第一单字节称为“高位字节”,第二只字节称为“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。

2.特点

各编码范围对应之字符类型如下: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:???????憝??;0xA440-0xC67E呢常用汉字,先照笔划再按照部首排序;0xC940-0xF9D5乎潮常因此汉字,亦凡先期随笔划再以部首排序。

Big5字符集共圈定13,053独中文字,该字符集在中国台湾使用。耐人寻味之是该字符集重复地用了简单单相同之许:“兀”(0xA461暨0xC94A)、“嗀”(0xDCD1及0xDDFC)。

4.Big5 的局限性

3.字符编码方法

尽管Big5垛内含有一万大抵独字符,但是尚未设想社会及流通的人名、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。

Big5码使用了对许节储存方法,以零星独字节来编码一个配。第一个字节称为“高位字节”,第二单字节称为“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。

比如台湾探望“着”为“著”的异体字,故并未用“着”字。康熙字典中的组成部分部首用配(如“亠”、“疒”、“?”、“?”等)、常见的食指名用字(如“??rdquo;、“煊”、“??rdquo;、“??rdquo;等)
也没有选用至Big5里头。

各编码范围对应之字符类型如下: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为常用汉字,先照笔划再按部首排序;0xC940-0xF9D5也潮常因此汉字,亦是预先照笔划再按照部首排序。

GB18030 字符集

4.Big5 的局限性

1.名的由

尽管Big5垛内含一万差不多只字符,但是从未考虑社会及流通的真名、地名用配、方言用配、化学和生物科等用配,没有含日文平假名及片假名字母。

GB
18030的全称是GB18030-2000《信息置换用汉字编码字符集基本凑的壮大》,是我国政府让2000年3月17日揭晓之初的汉字编码国家标准,2001年8月31日后在华市面达成披露之软件要符合按标准

比如台湾来看“着”为“著”的异体字,故并未用“着”字。康熙字典中之片段部首用配(如“亠”、“疒”、“辵”、“癶”等)、常见的食指名用字(如“堃”、“煊”、“栢”、“喆”等)
也尚无引用到Big5中间。

2.特点

GB18030 字符集

GB
18030字符集标准的出名经过广大涉足与论证,来自国内外著名信息技术行业之店堂,信息产业部和原先国家质量技术监督局并执行。

1.名的因

GB
18030字符集标准解决汉字、日文假名、朝鲜语和九州少数民族文字组成的大字符集计算机编码问题。该规范的字符总编码空间超过150万个编码位,收录了27484单汉字,覆盖中文、日文、朝鲜语和华少数民族文字。满足中国新大陆、香港、台湾、日本以及韩国等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。并且和以前的国字符编码标准(GB2312,GB13000.1)兼容。

GB
18030之全是GB18030-2000《信息交换用汉字编码字符集基本凑的扩充》,是我国政府被2000年3月17日颁发的初的汉字编码国家标准,2001年8月31日晚每当炎黄市面达成公布的软件要符合按专业

3.编码方法

2.特点

GB
18030标准以单字节、双字节同四字节老三种方式对字符编码。单字节部分采用0×00至0×7F码(对应于ASCII码的相应码)。双字节有些,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。四字节片使用GB/T
11383勿用的0×30顶0×39当对双字节编码扩充的后缀,这样扩大的季字节编码,其范围吗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、四独字节编码码位均为0×30及0×39。

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

4.富含的情节

GB
18030字符集标准解决汉字、日文假名、朝鲜语和九州少数民族文字组成的大字符集计算机编码问题。该规范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、朝鲜语和华少数民族文字。满足中国陆地、香港、台湾、日本和韩国对等东亚地区信息交换多文种、大字量、多用、统一编码格式的要求。并且和Unicode
3.0版本兼容,填补Unicode扩展字符字汇“统一汉字扩展A”的情节。并且和以前的国家字符编码标准(GB2312,GB13000.1)兼容。

双字节有用内容要概括GB13000.1总体CJK汉字20902个、有关标点符号、表意文字描述吻合13单、增补的方块字和部首/构件80只、双字节编码的欧元符号等。  四字节有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遭之整整字符。

3.编码方法

Unicode字符集

GB
18030正规下单字节、双字节以及四字节老三栽方式对字符编码。单字节部分使用0×00至0×7F码(对应于ASCII码的相应码)。双字节有,首字节码从0×81至0×FE,尾字节码位分别是0×40届0×7E及0×80届0×FE。四字节有些用GB/T
11383不采取的0×30到0×39当作对双字节编码扩充的后缀,这样扩大的季许节编码,其范围为0×81308130及0×FE39FE39。其中第一、三单字节编码码位均为0×81至0×FE,第二、四独字节编码码位均为0×30届0×39。

1.号的案由

4.蕴含的内容

Unicode字符集编码是Universal Multiple-Octet Coded Character Set
通用多八号编码字符集的简称,是出于一个曰吧 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面文件的置换、处理及展示。该编码为1990年启幕研发,1994年正规宣告,最新版本是2005年3月31日的Unicode
4.1.0。

双字节片用内容根本包括GB13000.1通CJK汉字20902单、有关标点符号、表意文字描述称13只、增补的汉字和部首/构件80独、双配节编码的欧元符号等。  四字节片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吃的浑字符。

2.特征

Unicode字符集

Unicode是千篇一律种于电脑及利用的字符编码。它吗各个种语言中之每个字符设定了联合而唯一的第二进制编码,以满足超过语言、跨平台展开文本转换、处理的渴求。

1.号的原故

3.编码方法

Unicode字符集编码是Universal Multiple-Octet Coded Character Set
通用多八个编码字符集的简称,是由一个誉为也 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面文件的置换、处理和展示。该编码为1990年起来研发,1994年正式通告,最新版本是2005年3月31日之Unicode
4.1.0。

Unicode
标准一直用十六进制数字,而且于开时以面前加上前缀“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”。

2.特征 

4.UTF-8 编码

Unicode是如出一辙种植在微机达用的字符编码。它也各级种语言中的每个字符设定了统一以唯一的次上制编码,以满足超过语言、跨平台拓展文本转换、处理的要求。

UTF-8凡Unicode的内一个动方式。 UTF是 Unicode Translation
Format,即把Unicode转做某种格式的意。

3.编码方法

UTF-8便于不同的计算机中利用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。

Unicode
标准一直用十六进制数字,而且当书写时于前边加上前缀“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”。

UTF-8用可转换长字节来储存
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应用2字节来存储,而常用之字就要使3字节。辅助平面字符则使4字节。

4.UTF-8 编码 

5.UTF-16 和 UTF-32 编码

UTF-8是Unicode的里边一个行使方法。 UTF是 Unicode Translation
Format,即把Unicode转做某种格式的意思。

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 使用一个还是个别只非分配的 16
位代码单元的队列对 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。

UTF-8便于不同的微机之间以网络传输不同语言与编码的仿,使得双字节之Unicode能够以现存的处理单字节的体系上是传输。

 

UTF-8用可换长字节来储存
Unicode字符,例如ASCII字母继续使用1字节储存,重音文字、希腊字母或西里尔字母等采取2字节来储存,而常用的汉字就要使3字节。辅助平面字符则运用4字节。

php教程
各种以乱码问题之解决方法

5.UTF-16 和 UTF-32 编码 

1) 使用 标签设置页面编码

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 使用一个或有限只非分配的 16
位代码单元的队列对 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。

夫标签的作用是宣称客户端的浏览器用什么字符集编码显示该页面,xxx 可以为
GB2312、GBK、UTF-8(和 MySQL 不同,MySQL 是
UTF8)等等。因此,大部分页给可下这种方法来报浏览器显示是页面的时利用什么编码,这样才无会见招编码错误而发乱码。但是有的时候咱们会发觉来矣马上词还是老,不管
xxx 是啊一样栽,浏览器采用的一味犹是如出一辙种植编码,这个情我后面会谈及。

 

求留意, 是属于 HTML 信息之,仅仅是一个扬言,仅表明服务器都拿 HTML
信息污染至了浏览器。

php 各种以乱码问题之化解方式

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

1) 使用 标签设置页面编码

以此函数 header() 的来意是把括号中的信息发至 http
标头。如果括号内的情也和被所说那样,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。但是差之是使发就段函数,浏览器就是会见永远使你所求的
xxx
编码,绝对不见面不听话,因此是函数是大有因此底。为什么会如此吧?那便得说说
http 标头和 HTML信息的差别了:

这个标签的意图是声称客户端的浏览器用什么字符集编码显示该页面,xxx 可以啊
GB2312、GBK、UTF-8(和 MySQL 不同,MySQL 是
UTF8)等等。因此,大部分页面可以以这种方法来告诉浏览器显示是页面的时节利用什么编码,这样才未见面促成编码错误而发乱码。但是部分时候我们见面发觉发生矣立即词还是老,不管
xxx 是哪一样栽,浏览器采用的始终犹是同种植编码,这个情况本身后面会谈及。

http 标头是服务器因为 http 协议传送 HTML 信息到浏览器前所送出底字串。而
标签是属于 HTML 信息的,所以 header() 发送的情节先到浏览器,通俗点就是
header() 的优先级高于 (不亮但免可以这么讲)。假如一个 php
页面既出header(“content-type:text/html;charset=xxx”),又生,浏览器就是止认前者
http 标头而未认 meta 了。当然这个函数只能在 php 页面内利用。

要留心, 是属于 HTML 信息之,仅仅是一个声称,仅表明服务器就将 HTML
信息污染至了浏览器。

如出一辙为留给有一个题目,为什么前者就断起作用,而后人有时候就是生也?这就算是属下要说话的Apache
的故了。

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

3) AddDefaultCharset

这个函数 header() 的图是管括号中的消息作到 http
标头。如果括号里的始末也中和遭遇所说那样,那作用与
标签基本相同,大家对待第一独看发现字符都差不多的。但是差之是只要发生就段函数,浏览器就见面永远使你所求的
xxx
编码,绝对不见面不听话,因此是函数是老大有因此的。为什么会这么呢?那就得说说
http 标头和 HTML信息的异样了:

Apache 根目录的 conf 文件夹里,有全方位 Apache 的布置文档 httpd.conf。

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的字串。而
标签是属 HTML 信息之,所以 header() 发送的情先到浏览器,通俗点就是
header() 的事先级高于 (不掌握但免可以如此说道)。假如一个 php
页面既来header(“content-type:text/html;charset=xxx”),又出,浏览器就只有认前者
http 标头而无认 meta 了。当然这个函数只能于 php 页面内利用。

从而文本编辑器打开 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
标头里的字符集为你默认的 xxx字符集。有就行,就一定给为每个文件还加以了一条龙
header(“content-type:text/html; charset=xxx”)。这下就是知为何明明
设置了是 utf-8,可浏览器始终以 gb2312 的来头。

一律为留出一个题材,为什么前者就绝对起作用,而后人有时候即使可怜啊?这虽是接下去要讲的Apache
的原故了。

只要网页里产生 header(“content-type:text/html;
charset=xxx”),就管默认的字符集改也公设置的字符集,所以这个函数永远有因此。如果将
AddDefaultCharset xxx 前面加个”#”,注释掉这句,而且页面里不分包
header(“content-type…”),那是时段就是轮至 meta 标签由作用了。

3) AddDefaultCharset

下面列有上述的先行顺序:

Apache 根目录的 conf 文件夹里,有方方面面 Apache 的安排文档 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:设置任何服务器内的网页文件 http
标头里的字符集为您默认的 xxx字符集。有这行,就相当给为每个文件都加了一条龙
header(“content-type:text/html; charset=xxx”)。这下便知道怎么明明
设置了是 utf-8,可浏览器始终用 gb2312 的缘由。

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

设若网页里发 header(“content-type:text/html;
charset=xxx”),就把默认的字符集改呢公设置的字符集,所以这个函数永远有因此。如果拿
AddDefaultCharset xxx 前面加个”#”,注释掉这词,而且页面里不分包
header(“content-type…”),那是时段便轮到 meta 标签由作用了。

.. AddDefaultCharset xxx

下面列有以上的优先顺序:

..

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

要您是 web
程序员,建议给您的每个页面还加个header(“content-type:text/html;charset=xxx”),这样虽好包它在其他服务器都能够对显示,可移植性也比强。

.. AddDefaultCharset xxx

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着之 charset
来机关选择语言而无做一个强制性的确定,这样即便好于合服务器上提供多种语言的网页服务。

假设您是 web
程序员,建议吃您的每个页面还加个header(“content-type:text/html;charset=xxx”),这样虽可管它在其他服务器都能够对显示,可移植性也比较高。

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着之 charset
来机关选择语言而未做一个强制性的确定,这样即便可于齐服务器上提供多种语言的网页服务。

相关文章