【廣告】買遊戲機及PC的遊戲或主機及週邊

轉自  http://www.blueidea.com/tech/program/2004/2351.asp ,感謝。

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、作業系統
window
系統內部都是unicode的。檔夾名,檔案名等都是unicode的,任何語言系統下都能正常顯示。

二、輸入法:
微軟拼音輸出的是Unicode的,智慧ABC輸出是簡體中文的(所以智慧ABC在非簡體中文系統根本不能用,只能打英文)。

三、網頁的textarea
網頁的textarea是用unicode顯示的。所以往裏打什麼字都能顯示。而一些flash做的輸入框就不行了。

四、Access2000
access
裏面保存的資料是unicode的,在任何語言系統下都能顯示。
如果資料視圖查看有些字元不正常,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
裏的繁簡轉換,簡體轉換到繁體後,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元集。

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按什麼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數從Unicode轉換到的編碼
也就指定了從資料庫取出的資料從Unicode轉換到的編碼。(注意這個,很重要。)

關鍵字:
讀取:一個串串,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:系統主動的轉換,比如從Unicode字到Big5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:&#x5316;&#x516d;&#x4e2a;&#x7ED3;&#x8bba;
Unicode10
進制形式:&#21270;&#20845;&#20010;&#32467;&#35770;

下面是我推測出來的編碼轉換的過程:
用戶端:輸入法Unicode--輸入框unicode--Unicodecharset轉換到對應編碼()--表單發送編碼

伺服器端:IIS解開表單編碼--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--Unicode編碼保存到資料庫

伺服器端:讀取資料庫的Unicode資料,轉換到codepage指定編碼---生成源代碼--IEcharset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,保存到資料庫
<%@ codepage=936%>
3.read.asp
從資料庫取得留言,顯示。
<%@ codepage=936%> charset=GB2312

<%@ codepage=950%> charset=big5

大家可以猜一猜,我在write.asp裏用微軟拼音輸入法輸入化六個討論。最後在read.asp裏會顯示什麼樣?
是不是暈了。讓我們從頭分析。

 1  

例二:
把例一的add.asp<%@ codepage=936%>改為<%@ codepage=950%>,又會怎麼樣呢?

 2  

到這裏發現了什麼?
1
.如果輸入的文字和Charset對應的不同,一轉換,就可能出現Unicode形式的字了。這裏就是原因所在。以後整個過程都保留著。
2
Add.aspcodepage決定了保存到資料庫的文字,用的是哪個語言對應的Unicode.codepage=936
那麼資料庫保存的就是簡體中文的Unicode(資料庫拿回簡體中文系統,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,就不對了)。

3.注意一下串串的變化過程:

1)輸入法---CharsetUnicode----指定字元集的映射
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àcodepage讀取串串沒變,這步有可能誤會讀取 
5)
轉為對應的Unicode Codepage指定字元集----Unicode映射
6)
中間處理,進資料庫無變化,直接以Unicode形式進入
7)
codepage讀取資料庫 Unicode----codepage指定字元集的映射
8)
顯示,按Charset指定字元集讀取串串沒變。

以例一說明:

 3  

例二:

 4  

暈了。現在來用用知識。

案例1
簡體中文系統下跑的好好的代碼,放到國外空間上,資料庫裏亂碼,原有的資料也亂碼。
分析:因為大多數人平時用的都是簡體中文系統,默認的codepage=936,所以平時大家不寫也沒有關係。
但到了國外空間問題就出來了。從資料庫裏的Unicode轉換到英文編碼去了,所以資料庫原有的簡體中文轉換到英文後,按GB顯示自然亂碼。
如圖,新輸入的文字顯示正常,但資料庫裏保存的是英文的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。

 5.gif  

案例二:
簡體中文的代碼和資料,想轉為完全的繁體版,該怎麼辦?
分析:1。代碼檔編碼全部改為Big5的,檔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裏的資料是Unicode的。
5.
好了,代碼可以在純繁體系統下跑了。
6.
遺留問題:原有的簡體中文資料讀出會有一些問號。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,轉為繁體中文,然後寫回資料庫,應該行了吧?

兩個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。

 

創作者介紹

阿水資訊站

waterisme 發表在 痞客邦 PIXNET 留言(1) 人氣()


留言列表 (1)

發表留言
  • 咖啡
  • 您好,我是即溶咖啡的經銷商,能請您喝杯咖啡嗎?

    請與我聯絡,信箱 af951910gmail .com
找更多相關文章與討論