字元編碼和中文亂碼

記得剛使用ubuntu的時候，處理各種亂碼神馬的都是很麻煩的事情，後來開始寫一些web程式的時候，中文編碼的問題還是會不斷的出現，于是對于web程式員來說，字元集編碼已經是十分常見的問題了，但是如果不去系統的了解下，處理問題時還是會有些棘手的，這篇文章我就打算簡單的介紹下這些問題。

最初學習計算機的話，首先接觸的便是ASCII編碼了，0是48，a是97啥的估計大家都記得很清楚吧，計算機中以8bit為一個byte，于是一個byte能表示256個數，ascii是用一個位元組，并且第一位是0，也就是說隻用了7個bit，于是ASCII隻有128種表示，這對于英文系統是最夠的了。但是歐洲很多字母和英文字母很不相同，于是為了擴充，第一位也納入使用，這樣就是ISO8859-1編碼，又叫做latin-1，很多時候你不指定編碼的時候，預設編碼就是ISO8859-1，這是一個要注意的地方。

由于亞洲地區的文字不像歐洲那樣用幾個字母就可以了，于是亞洲各地區便有了自己的一些編碼格式。對于中文編碼而言，大家比較熟悉的就是GB2312編碼，這是大陸地區推行的簡體字的編碼标準，而相應的台灣的繁體字用的是BIG5的繁體字編碼，由于GB2312隻有簡體字，後來又進行了擴充，便有了GBK，他是GB2312的超集，就是說GB2312編碼的字元，都可以用GBK的方式解讀。後來又加入了少數民族的字型有了GB18030，不過這個貌似不如GBK應用廣泛。

由于混亂的編碼格式，造成了國際化的困難，于是便有了大有一統天下之勢的unicode編碼，對于各國文字元号等都會在unicode有一個統一的編碼，但是unicode隻是一種表示方式，但是卻沒有規定表示符号的這個數字應該如何在計算機上存儲。而現在比較通行的存儲方式是utf-8，utf-8是一種變長的編碼方式。

是以對于中文字元而言，我們最常見的就是GBK和utf-8兩種編碼格式。對于windows而言用一種叫ANSI的編碼格式，他是英文用ASCII編碼，簡體中文用GB2312編碼，而linux等系統一般都會采用utf-8的編碼方式，是以當你在linux下打開windows下的一些中文文本檔案時會出現亂碼的情況，就是因為本來應該是GB2312的編碼方式，卻用utf-8的格式來解讀必然就會出現錯誤。

當寫web程式時也要時刻注意編碼的統一，也就是資料庫裡資料的編碼，程式檔案的編碼，以及網頁顯示的編碼（就是charset字段），以及他們之間的通信的編碼方式。比如你是在windows寫程式的話，預設的程式編碼就是GBK，為了統一，你需要資料庫也要改為GBK編碼，網頁上也要加上這樣一句。

1.  <meta http-equiv="content-type" content="text/html; charset=UTF-8" />      

還有個需要注意的地方，就是當你使用的資料庫是mysql時，預設的字元通信方式是ISO8859-1，你需要加上這樣一句，來讓通信字元也變為GBK，這樣就能在網頁上正常顯示出漢字了。

1. mysql_query
    (
    'set names gbk'
    )
    ;