字符编码与字符集区别与联系（网页/PHP文件/MYSQL数据库乱码问题）

原创文章，转载请注明： 转载自电商沙龙ec-shalom.com，专研电商艺术。

本文链接地址: 字符编码与字符集区别与联系（网页/PHP文件/MYSQL数据库乱码问题）

一直对网页编码、字符集的概念模糊不清，今天总算是抽出了时间好好对这个问题进行了深入的研究。

1. 相关定义：

抽象字符集：指字符的集合，例如所有的英文字母是一个抽象字符集，所有的汉字是一个抽象字符集，当然，把全世界所有语言的符号都放在一起，也可以称为一个抽象字符集。

编码 字符集 （ 互动百科 | 维基百科 ）：是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符编码 （ 互动百科 | 维基百科 ）：是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）进行配对。即在符号集合与数字 系统 之间建立对应关系，它是信息处理的一项基本技术。通常人们用符号集合（一般情况下就是文字）来表达信息。而以计算机为基础的信息处理系统则是利用元件（硬 件）不同状态的组合来存储和处理信息的。元件不同状态的组合能代表数字系统的数字，因此字符编码就是将符号转换为计算机可以接受的数字系统的数，称为数字 代码。

bom全称是： [b]byte order mark （ 互动百科 | 维基百科 ），[/b]汉语意思是标记字节顺序码。只是出现在：unicode字符集中，只有unicode字符集，存储时候，要求指定编码，如果不指定，windows还会用默认的：ANSI读取。

2. 网页要在浏览器中正确显示，需要在三个地方保持编码的一致：网页文件，网页编码声明和浏览器编码设置。 网页文件本身的编码，即网页文件在被创建的时候使用什么编码来保存。这个完全取决于创建该网页的人员使用了什么编码保存，而进一步的取决于该人员使用的操 作系统。例如我们使用的中文版WindowsXP系统，当你新建一个文本文件，写入一些内容，并按下ctrl+s进行保存的那一刻，操作系统就替你使用 GBK编码将文件进行了保存（没有使用UTF-8，也没有使用UTF-16）。而使用了英文系统的人，系统会使用ISO-8859-1进行保存，这也意味 着，在英文系统的文件中如果输入一个汉字，是无法进行保存的。 在创建XML文件时常见的误解是以为只要在页面的encoding部分声明了UTF-8，则文件就会被保存为 UTF-8格式。实际上XML文件中encoding部分与HTML文件中的charset中一样，只是告诉“别人” （这个“别人”可能是浏览你的页面的人，也可能是浏览器，还可能是处理你页面的程序，别人需要知道这个，因为除非你告诉他们，否则谁也猜不出你用了什么编码，仅通过文件的内容判断不出使用了什么编码。） 这 个文件使用了什么编码，唯独操作系统不会搭理，它仍然会按自己默认的编码方式保存文件（中文WindowsXP系统中，使用GBK保存）。至于这个文件是 不是真的是encoding或者charset所声明的那种编码保存的呢？答案是不一定！例如新浪的页面就“声称”他是用GB2312编码保存的，但实际 上却是GBK。

网页编码声明中的编码应该与网页文件保存时使用的编码一致。 而浏览器的编码设置实际上并不严格，在浏览器中选择使用 GB2312来查看，它实际上仍然会使用GBK进行。而且浏览器还有这样一种好习惯，即它会尽量猜测使用什么编码查看最合适。要重申的是，网页文件的编 码和网页文件中声明的编码保持一致，这是一个极好的建议，但如果不一致，只要网页文件的编码与浏览器的编码设置一致， 也是可以正确显示的。例如有这样一个页面，它使用GBK保存，但声明自己是UTF-8的。这个时候用浏览器打开它，首先会看到乱码，因为这个页面“告诉” 浏览器用UTF-8显示，浏览器会很尊重这个提示，于是乱码一片。但当手工把浏览器设为GBK之后，显示正常。

3.bom头产生网页乱码， 有bom头的存储或者字节流，它一定是unicode字符集编码。到底属于那一种（utf-8还是utf-16或是utf-32)，通过头可以判断出来。 由于已经说过utf-16,utf-32不指定bom头，解析程序默认就认为是ansi编码，出现乱码。 而utf-8指定或者不指定程序都可判断知道对于的字符集编码。问题就出在这里，可能有的应用程序（ie6浏览器），它就认为如果utf-8编码，就不需 要指定bom头，它可以自己判断，相反指定了bom头，它还会出现问题（因为它把头当utf-8解析出现乱码了）。目前ie6会出现问题，其它 ie7+,firefox,chrome不会出现，会忽略掉bom头。 统一解决办法是：存为utf-8编码是，不需要加入bom头，其它utf-16,utf-32加入。

4. PHP文件编码问题，点击编辑器的菜单：“文件”->“另存为”，确保文件编码为：UTF-8，如果是ANSI，需要将编码改成：UTF-8

PHP文件头BOM问题：

PHP文件一定不可以有BOM标签 ，否则，会出现session不能使用的情况，并有类似的提示：

Warning: session_start() [function.session-start]: Cannot send session cache limiter - headers already sent

这是因为，在执行session_start()
的时候，整个页面不能有输出，但是当由于前PHP页面存在BOM标签，PHP把这个BOM标签当成是输出了，所以就出错了！所以PHP页面一定要删除
BOM标签，删除这个BOM标签的方法： 1.可以用Dreamweaver打开文件，并重新保存，即可以去除BOM标签！
2.可以用EditPlus打开文件，并在菜单“首选项”->“文件”->"UTF-8标识"，设置为：“总是删除签名”，
然后保存文件，即可以去除BOM标签！ 3.PHP以附件形式保存文件的时候，UTF-8编码问题：
PHP以附件形式保存文件，文件名必须是GB2312编码， 否则，如果文件名中有中文的话，将是显示乱码：
如果你的PHP本身是UTF-8编码格式的文件， 需要将文件名变量由UTF-8转成GB2312： iconv("UTF-8", "GB2312",
"$filename");

5.MYSQL数据库使用UTF-8编码的问题，

用phpmyadmin创建数据库和数据表 ：创建数据库的时候，请将“整理”设置为：“utf8_general_ci” 或执行语句：

CREATE DATABASE `dbname` DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci;

创建数据表的时候：如果是该字段是存放中文的话，则需要将“整理”设置为：“utf8_general_ci”，如果该字段是存放英文或数字的话，默认就可以了。相应的SQL语句，例如：

CREATE TABLE `test` (
`id` INT NOT NULL ,
`name` VARCHAR( 10 ) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL ,
PRIMARY KEY ( `id` )
) ENGINE = MYISAM ;

用PHP读写数据库：在连接数据库之后，

$connection = mysql_connect($host_name, $host_user, $host_pass);

加入两行：

mysql_query("set character set 'utf8'");//读库
mysql_query("set names 'utf8'");//写库

就可以正常的读写MYSQL数据库了。

6.PHP自动识别字符集并完成转码函数以及PHP - 判断utf-8编码是否存在BOM并自动删除： (略)。

7.扩展阅读：《字符编码笔记：ASCII，Unicode和UTF-8》

《字符集和字符编码（Charset & Encoding）》

《由web程序出现乱码开始挖掘(Bom头、字符集与乱码）》

《PHP/HTML/MYSQL/JS乱码问题，UTF-8（乱码）》

Related posts:

win系统搭建PHP+MySQL+Apache+phpmyadmin环境 (3)

如何成为一个优秀的php程序员 (2)

xampp无法启动apache问题与解除mysql数据上传大小限制 (2)

css中的绝对定位和相对定位 (2)