朱海巖

（呂梁學(xué)院汾陽師范分校，山西 汾陽 032200）

PHP與MySQL Web應(yīng)用平臺(tái)中文亂碼問題研究

朱海巖

（呂梁學(xué)院汾陽師范分校，山西 汾陽 032200）

在運(yùn)用PHP和MySQL平臺(tái)進(jìn)行Web應(yīng)用程序開發(fā)時(shí)，經(jīng)常會(huì)在處理中文信息過程中出現(xiàn)亂碼.本文就亂碼產(chǎn)生的原因進(jìn)行了深入地分析和討論，并提出了徹底解決亂碼問題的方法.

亂碼；字符集；MySQL

PHP和MySQL以其開源、免費(fèi)、高性能等眾多優(yōu)勢，在Web應(yīng)用領(lǐng)域占領(lǐng)了越來越多的市場份額.現(xiàn)在，PHP與MySQL的主流版本已經(jīng)能夠完全兼容中文信息，但是在進(jìn)行中文應(yīng)用程序開發(fā)的過程中會(huì)經(jīng)常出現(xiàn)一些亂碼問題.究其原因，是因?yàn)橛?jì)算機(jī)中漢字的編碼方式不統(tǒng)一.同一個(gè)漢字在不同字符集中的編碼是不一樣的，如果一些應(yīng)用程序默認(rèn)采用了不同的字符集又缺乏合理的轉(zhuǎn)換機(jī)制，在相互通信中就極有可能出現(xiàn)中文亂碼.

1 常用包含中文編碼的字符集介紹

1.1 GB2312-80

GB2312-80也稱GB2312是漢字字符集和編碼的代號(hào)，是最基本的漢字編碼集.中文全稱為“信息交換用漢字編碼字符集”，1980年，由中華人民共和國國家標(biāo)準(zhǔn)總局發(fā)布，1981年5月1日起實(shí)施.

GB2312字符集只收錄簡化漢字，以及常用字母和符號(hào)，共收錄有7445個(gè)字符，其中簡化漢字6763個(gè)，字母和符號(hào)682個(gè).在大陸及海外使用簡體中文的地區(qū)（如新加坡等）是使用最廣泛的中文編碼.該標(biāo)準(zhǔn)的制定和應(yīng)用為規(guī)范、推動(dòng)中文信息化進(jìn)程起了很大作用，其最大的特點(diǎn)是只支持簡體中文.

1.2 GBK

GBK全名為“漢字內(nèi)碼擴(kuò)展規(guī)范”，即GB2312-80的擴(kuò)展字符集.

1993年，Unicode 1.1版本推出，收錄了中國大陸、臺(tái)灣、日本及韓國通用字符集的漢字，總共有20,902個(gè).隨后，中國大陸訂定了等同于Unicode 1.1版本的GB 13000.1-93.

由于GB 2312-80只收錄了6763個(gè)漢字，有不少簡體漢字以及臺(tái)灣和香港地區(qū)使用的繁體字，日語及朝鮮語漢字等，并未有收錄在內(nèi).于是，一些軟件開發(fā)商利用了GB 2312-80未使用的編碼空間，收錄了所有出現(xiàn)在Unicode 1.1及GB 13000.1-93之中的漢字，制定了GBK編碼.雖然GBK收錄了所有Unicode 1.1及GB 13000.1-93之中的漢字，但是編碼方式與Unicode 1.1及GB 13000.1-93不同.

1.3 UTF-8

UTF-8（8-bit Unicode Transformation Format）是一種針對(duì)Unicode的可變長度字符編碼，也是一種前綴碼.它可以用來表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第一個(gè)字節(jié)仍與ASCII兼容，這使得原來處理ASCII字符的軟件無須或只須做少部份修改，即可繼續(xù)使用.因此，它逐漸成為電子郵件、網(wǎng)頁及其他存儲(chǔ)或傳送文字的應(yīng)用中，優(yōu)先采用的編碼.

總之，以上幾種字符集都能支持中文，但又有所不同.GB2312-80只能支持中文簡體，GBK是GB2312-80的超集，支持中文簡體、繁體以及日文、韓文符號(hào).UTF-8是一種更通用的字符集，支持世界各種語言的符號(hào).如果某個(gè)Web應(yīng)用程序只是針對(duì)國內(nèi)用戶，可以考慮采用GB2312-80字符集，GBK是一種非官方標(biāo)準(zhǔn)的字符集，有時(shí)還是會(huì)有些問題.如果考慮到該Web應(yīng)用有可能面對(duì)國際用戶或者是為了取得更好的兼容性，則應(yīng)該使用UTF-8字符集.

2 產(chǎn)生亂碼的原因分析

2.1 MySQL中與字符集相關(guān)的幾個(gè)系統(tǒng)變量

● character_set_server:服務(wù)器字符集，用來為create database命令提供默認(rèn)值.

● character_set_database:當(dāng)前數(shù)據(jù)庫的字符集，為create table命令提供默認(rèn)值.

● character_set_table:當(dāng)前數(shù)據(jù)表的字符集，為列的字符集提供默認(rèn)值.

● character_set_client:客戶端默認(rèn)字符集，當(dāng)服務(wù)器接收到客戶端發(fā)來的數(shù)據(jù)時(shí)，按些字符集進(jìn)行解碼.

● character_set_results:結(jié)果字符集，當(dāng)服務(wù)器向客戶端返回查詢結(jié)果時(shí)，以此字符集規(guī)則進(jìn)行編碼.

● character_set_connection:連接字符集，這個(gè)變量用來決定MySQL怎么處理客戶端發(fā)來的SQL命令.MySQL會(huì)把SQL命令從character_set_client編碼轉(zhuǎn)到character_set_connection編碼，然后再執(zhí)行.

2.2 數(shù)據(jù)流分析

假設(shè)客戶端（即為PHP頁面端）采用UTF-8字符集.

1>客戶端向服務(wù)器端（即MySQL）發(fā)送數(shù)據(jù)，這些數(shù)據(jù)根據(jù)假設(shè)以UTF-8字符集編碼.

2>服務(wù)器端收到客戶端發(fā)來的數(shù)據(jù)，以character_set_client（假設(shè)其值為latin1）規(guī)定的編碼方式進(jìn)行解碼.

3>服務(wù)器端處理完客戶端的查詢請(qǐng)求，準(zhǔn)備好數(shù)據(jù)，以character_set_result（假設(shè)其值為latin1）形式編碼并發(fā)送到客戶端.

4>客戶端接收到服務(wù)器端發(fā)來的數(shù)據(jù)，并以自己的編碼形式（第1>步假定為UTF-8）進(jìn)行解碼.

第1>步向服務(wù)器發(fā)送了一組UTF-8編碼的數(shù)據(jù)，但服務(wù)器端以latin1字符集規(guī)則進(jìn)行解碼，則不能還原數(shù)據(jù)，所以存儲(chǔ)到數(shù)據(jù)庫中的內(nèi)容會(huì)顯示成亂碼.

第4>步服務(wù)器端向客戶端發(fā)送了latin1編碼形式的數(shù)據(jù)，但客戶端以UTF-8形式解碼，則顯示在頁面上的內(nèi)容也是亂碼.

客戶端向服務(wù)器端發(fā)送正確命令而服務(wù)器端不能正確識(shí)別也是由于類似原因.

綜上所述，產(chǎn)生亂碼問題的原因可以總結(jié)如表1：

表1

所以，將服務(wù)器端的character_set_client、character_set_connection、character_set_results三個(gè)系統(tǒng)變量的值設(shè)置為客戶端所采用的字符集，則可以從根本上解決中文亂碼問題.

3 解決亂碼問題

3.1 確定客戶端的字符集

一般情況下，html的head部分會(huì)有如下代碼：

此行代碼指定了本頁面的字符使用UTF-8字符集編碼.

如果是純PHP文件，不包含html代碼，也可以使用以下代碼指定該頁面的字符集：

header(“content-type:text/html;charset=utf-8”);

以上兩處代碼中的utf-8可以修改成任意合法的字符集.

3.2 修改MySQL的系統(tǒng)變量

1>修改MySQL配置文件

在MySQL的安裝目錄下找到其配置文件my.ini，分別在 [mysqld]與 [mysql]下添加代碼”default-character-set=utf8”.

保存my.ini并重新啟動(dòng)MySQL服務(wù)，會(huì)發(fā)現(xiàn)系統(tǒng)變量的值均被改為utf8.

2>在客戶端動(dòng)態(tài)改變MySQL系統(tǒng)變量

由于大多數(shù)的用戶只是租用虛擬主機(jī)運(yùn)營網(wǎng)站，因此根本無權(quán)修改MySQL的配置文件.而且一般情況下程序員也不知道將來代碼會(huì)放到什么樣的服務(wù)器環(huán)境下運(yùn)行，因此在客戶端與服務(wù)器端建立連接以后，動(dòng)態(tài)修改服務(wù)器端相關(guān)系統(tǒng)變量的值，是一種更通用和可靠的辦法.具體代碼如下：

4 結(jié)論

PHP與MySQL Web應(yīng)用平臺(tái)下產(chǎn)生中文亂碼的根本原因在于字符集編碼方式的不統(tǒng)一.只要約定采用統(tǒng)一的字符集或者控制不同字符集之間正確轉(zhuǎn)換，則可以從根本上解決該平臺(tái)下的中文亂碼問題.

〔1〕Luke Welling、Laura Thomson， 武欣譯.PHP 和MySQL Web開發(fā)[M].北京：機(jī)械工業(yè)出版社，2009.

〔2〕姜承堯.MySQL技術(shù)內(nèi)幕:InnoDB存儲(chǔ)引擎[M].北京：機(jī)械工業(yè)出版社，2011.

〔3〕Charles A.Bell，楊濤、王建橋、楊曉云等譯.深入理解MySQL[M].北京：人民郵電出版社，2010.

〔4〕W.Jason Gilmori，朱濤江譯.PHP 與 MySQL 程序設(shè)計(jì)[M].北京：人民郵電出版社，2007.

TP391.1

A

1673-260X（2011）08-0036-02