中文乱码

来源：互联网发布：达内云笔记数据库编辑：程序博客网时间：2024/04/27 05:35

乱码是每个程序员的噩梦，是每个程序员必然经过的一道坎。只不过有的程序员经常做噩梦，我又遇到了Html乱码。。。

只要有IO的地方，大多会出现乱码。乱码本质上是序列化数据和反序列化数据使用不同的标准造成的。

我用utf-8的编码格式编辑了一个html文件，编辑器中汉字显示良好。

启动nginx，访问html。

浏览器中文字乱码。(无法辨认是乱码，方框是缺少字符集)

Fuck Egg!!!

分析一下，
编辑内容，保存文件。这个过程编辑器把内容数据以utf-8的格式序列化到磁盘上。

浏览器访问，nginx访问磁盘，读取文件，这里读取的原始字节，返回给浏览器。

浏览器解析nginx的响应，组织html排列，计算js，渲染css。页面中的汉字是无法辨认的。

我查看了浏览器的配置，我的首选语言是zh_CN，于是浏览器默认为我选择了字符编码GBK。

整个过程简化一下，就是浏览器以GBK的格式反序列化一个文件，而这个文件是用utf-8序列化的。

第一我把html文件以GBK的格式序列化到磁盘上，这样整个序列化反序列化过程就一致了，世界就和谐了。但是如果有人的首选语言不是zh_CN，那他的字符编码也不是GBK，那样，我们还是没有摆脱噩梦。

第二指定浏览器的字符编码方式，每个站点，每个html文件的序列化反序列化过程都一致。在<head></head>中加入元数据

加入上述元数据，世界和谐了。（实际上，更好更通行的方式是网站根据请求中的首选语言信息，重定位到相应的语言html）

CS架构的程序中乱码也是这个道理，典型的就是数据库。

that is all right ！！！ go to bed。

========================================================================

接着补充一下动态脚本语言生成内容的情况。

<%@ page language="java" pageEncoding="gbk"%>
<!DOCTYPE html>
<html lang="zh-CN" dropEffect="none" class="no-js no-auth">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

</head>

<body>

你好哇，乱码

</body>

<html>

这是一个最简单的jsp页面。但是输出在浏览器上是乱码。

用上面的分析套路，页面出现了乱码，说明了浏览器的解码和内容的编码格式不一致造成的。

但是我们使用了<meta http-equiv="Content-Type" content="text/html; charset=utf-8">为什么不起作用呢？

因为这个页面的内容不是nginx访问磁盘直接得来的，而是jsp容器生成的。jsp容器生成，使得内容被jsp容器读入并展开jsp动态脚本内容，最后将内容输出到浏览器。

<%@ page language="java" pageEncoding="gbk"%>这个标签告诉了jsp容器使用gbk格式编码，但是<meta http-equiv="Content-Type" content="text/html; charset=utf-8">告诉浏览器使用utf8解码，fuck，噩梦出现了。

编辑jsp使用A编码，<meta http-equiv="Content-Type" content="text/html; charset=utf-8">标签指定A解码，jsp容器使用A编码向浏览器输出，浏览器根据meta标签使用A来解析html树。这样世界就和谐了。

so far so good

0 0