标签：编码

在PHP处理页面的时候，我们对于字符集的转换都是采用了iconv或者mb_convert等函数，但，这其实是有一个前提的。即我们事先得知道in和out是什么样的编码，我们才能进行正确的转换。
虽然大多数转换都是在gbk和utf-8之间转，但如果不知道转换对象的编码怎么办呢？yhustc.com上就有这么一个函数safeEncoding，可以简单的识别UTF8和GBK的编码（国内，基本上也就这两种最常用吧。big5?咱们不考虑，哈哈）

原文地址为：http://www.yhustc.com/Blog/156.html
内容如下：

YBlog能接收引用通告，但是因为YBlog自己使用的是utf-8编码，如果对方的博客系统使用gb2312的编码的话，POST过来就会出现 乱码（除非对方POST前先转换编码）。在不能保证对方是否一定使用utf-8编码的情况下，自己做一个编码的检查和转换是很有必要的。写了个函数来完成 这个工作，原理很简单，因为gb2312/gbk是中文两字节，这两个字节是有取值范围的，而utf-8中汉字是三字节，同样每个字节也有取值范围。而英 文不管在何种编码情况下，都是小于128，只占用一个字节（全角除外）。

如果是文件形式的编码检查，还可以直接check utf-8的BOM信息，关于这方面的东西，大家可以看看TP工具箱的编码转换功能，我在那个AppCodingSwitch类中写了比较详细的注释。

话不多说，直接上函数，这个函数是用来对字符串进行检查和转码的。文件的检查与转码，看这里 [膘叔注：这个链接已经不存在了]

//识别汉字编码,因为YBlog用的是utf-8,如果引用通告发过来的是gb2312的编码的话,需要可以识别并完成编码转换
function safeEncoding($string,$outEncoding = 'UTF-8')
{
$encoding = "UTF-8";
for($i=0;$i<strlen($string);$i++)
{
if(ord($string{$i})<128)
continue;

if((ord($string{$i})&224)==224)
{
//第一个字节判断通过
$char = $string{++$i};
if((ord($char)&128)==128)
{
//第二个字节判断通过
$char = $string{++$i};
if((ord($char)&128)==128)
{
$encoding = "UTF-8";
break;
}
}
}
if((ord($string{$i})&192)==192)
{
//第一个字节判断通过
$char = $string{++$i};
if((ord($char)&128)==128)
{
//第二个字节判断通过
$encoding = "GB2312";
break;
}
}
}

if(strtoupper($encoding) == strtoupper($outEncoding))
return $string;
else
return iconv($encoding,$outEncoding,$string);
}

GET和POST接收编码格式不一样？说实话，原先没有考虑过这些问题。因为在一个项目中，程序的编码由项目开始到结束肯定都会一样的，当然在ajax处理的时候可能会有点变化。毕竟ajax的东西采用了UTF8进行传递。除此之外，其他的编码一般来说都是一致的。在看到这篇文章的时候，觉得不错。同时也是提醒一下自己需要注意。
因为他的代码是.NET的，临时转载，就不翻译成PHP了，看看别人的思路就行了。。。
原文地址：http://www.cnblogs.com/zhangziqiu/archive/2009/01/20/encoding.html
原文：

在查阅了一天资料,做了很多的试验, 精简提炼语言后, 完成了下面的文章.我发现在项目中太多的程序员对编码,尤其是Web程序中的中文参数编码一知半解.本文将作为一种规范提出, 以后将会应用到我制作的项目中.希望能够对大家有所启示.

[参数编码规范]

[原则]

避免在get或者post参数时直接传递中文字符.每次都经过指定格式的url编码后再传递.

[原因]

传递中文字符时,自动的编码解码格式和浏览器与服务器的设置有关.

测试Firefox3和IE6的Get方式发送中文参数, Firefox默认使用UTF-8格式编码中文参数, 而IE6即使在高级设置中设置了"总是以 UTF-8 发送URL", 仍然自动使用GB2312编码中文参数.

对于服务器端我们可以自由的控制解码的格式.但是往往是通过更改服务器配置进行全局的统一设置.比如对于ASP.NET程序.可以在Web.Config中设置服务器段的编码和解码格式:

<globalization culture="zh-CN" uiCulture="zh-CN" requestEncoding="UTF-8" responseEncoding="gb2312" />

但是我们没法控制浏览器端行为.用户可能使用不同的浏览器.

[解决方案]

一.统一默认的编码格式

1.设置服务器端的编码格式为UTF-8

2.传递参数全部进行编码,.服务器端(C#)使用Server.UrlEncode方法,客户端(javascript)使用encodeURIComponent方法.

说明:

客户端的javascript函数encodeURIComponent只能使用UTF-8编码格式. 所以需要设置服务器端request和response都为UTF-8.

缺陷是如果某些合作伙伴必须传递其他的编码格式的参数, 则服务器端或获取到乱码.此方案实现简单,适合大部分场景.

二.通过编码参数指定编码格式

为了解决可能存在的无法统一编码格式的问题, 我们使用一个参数"encoding"来显示的指定编码格式.encoding参数需要在所有的请求中传递,无论是get还是post.

1.对于javascript客户端编码而言, 仍然使用encodeURIComponent方法编码, 此时指定encoding参数的值为"UTF-8".

2.对于传入给服务器端的 其他编码格式, 比如GB2312, 我们不能使用默认的Request.Form或者QueryString方法进行编码.因为服务器端的编码格式可能设置为了UTF-8.此时使用 Request.Form或者QueryString会自动使用服务器端指定的编码格式进行解码. 所以需要使用下面的方法自己处理请求,获取参数:

/**//// <summary>
/// 根据指定的编码格式返回请求的参数集合 ziqiu.zhang 2009.1.19
/// </summary>
/// <param name="request">当前请求的request对象</param>
/// <param name="encode">编码格式</param>
/// <returns>键为参数名,值为参数值的NameValue集合</returns>
public static NameValueCollection GetRequestParameters(HttpRequest request, string encode)
{
NameValueCollection result = null;
Encoding destEncode = null;

//根据指定的编码格式获取Encoding对象
if (!String.IsNullOrEmpty(encode))
{
try
{
//获取指定的编码格式
destEncode = Encoding.GetEncoding(encode);
}
catch
{
//如果获取指定编码格式失败,则默认为null
destEncode = null;
}
}

//根据不同的HttpMethod方式,获取请求的参数.
if (request.HttpMethod == "POST")
{
if (null != destEncode)
{
Stream resStream = request.InputStream;
byte[] filecontent = new byte[resStream.Length];
resStream.Read(filecontent, 0, filecontent.Length);
string postquery = destEncode.GetString(filecontent);
result = HttpUtility.ParseQueryString(postquery, destEncode);
}
else
{
result = request.Form;
}
}
else
{
if (null != destEncode)
{
result = System.Web.HttpUtility.ParseQueryString(request.Url.Query, destEncode);
}
else
{
result = request.QueryString;
}
}

//返回结果
return result;
}

protected override void OnLoad(EventArgs e)
{
string sUrl = String.Empty;//来源页Url
string tUrl = String.Empty;//目标页Url
string encoding = String.Empty; //编码格式

Response.Clear();

try
{
//获取编码格式
if (Request.HttpMethod.ToUpper().Trim() == "POST")
{
if (!String.IsNullOrEmpty(Request.Form["encoding"]))
{
encoding = Request.Form["encoding"].ToUpper();
}
}
else
{
if (!String.IsNullOrEmpty(Request.QueryString["encoding"]))
{
encoding = Request.QueryString["encoding"].ToUpper();
}
}

//根据编码获取传递的参数列表
NameValueCollection paramList = EncodeUtility.GetRequestParameters(Request, encoding);

//获取OrderFrom判断需要的参数
sUrl = paramList["surl"];
tUrl = paramList["turl"];

//获取OrderFrom的Cookies字符串
if ( !( String.IsNullOrEmpty(sUrl) && String.IsNullOrEmpty(tUrl) ) )
{
Response.Write(OrderFromBL.OrderFromAnalysis(sUrl, tUrl));
}
}
catch(Exception ex)
{
WebLog.CommentLog.CommonLogger.Error("OrderFromAjaxProxy.aspx页发生错误", ex);
}

Response.End();
}

如果没有传入encoding参数,则使用服务器端默认的编码方式.

[总结]

两种解决方案首先都是要做到避免使用浏览器的中文自动编码, 中文参数一定要先编码再传递. 同时统一客户端和服务器端的编码格式.

[知识扩展]

[浏览器端的编码方式]

Get:

对于Get方式发送的请求, 不同的浏览器使用不同的编码方式自动为中文参数编码.比如:Firefox/3.0.5 使用UTF-8, IE6使用GB2312.

Post:

对于Post方式发送的 请求, 表单中的参数值对是通过request body发送给服务器，此时浏览器会根据网页的ContentType("text/html; charset=GBK")中指定的编码进行对表单中的数据进行编码，然后发给服务器。在HTML代码的Head中添加:
<meta http-equiv="Content-Type" content="text/html;charset=gb2312" />

Firefox/3.0.5 会使用根据charset中设置的编码格式编码post的中文参数.

IE6不起作用.

实验表明使用客户端浏览器默认编码格式具有不确定性.所以传递中文时我们要手工编码参数.

[Javascrip中的编码]

Javascrip语言中编码解码相关的方法主要有:

举例
document.write(encodeURIComponent("http://www.w3school.com.cn")+ "<br />")
document.write(encodeURI("http://www.w3school.com.cn")+ "<br />")

结果
http%3A%2F%2Fwww.w3school.com.cn
http://www.w3school.com.cn

总结
对于一个URI(URL也是一中URI),如果我们希望将它作为完整的网址发送请求, 但是上面带有中文, 则应该使用encodeURI方法.

如果是要编码参数,则应该使用encodeURIComponent.