作网站用UTF-8仍是GB2312？

时间 2019-11-11

标签网站 utf 仍是 gb2312 栏目网站开发繁體版

原文原文链接

常常咱们打开外国网站的时候出现乱码，又或者打开不少非英语的外国网站的时候，显示的都是口口口口口的字符，html

WordPress程序是用的UTF-8，不少cms用的是GB2312。程序员

● 为何有这么多编码？算法

● UTF-8和GB2312有什么区别？编程

● 咱们在国内作网站是用UTF-8编码格式仍是GB2312编码格式好？浏览器

一. 各类编码的来历

可能不少同窗一直对字符的各类编码方式懵懵懂懂，根本搞不清为何他们有这么多编码。服务器

ANSI编码网络

其实在好久好久之前，有一群人，他们决定用8个能够开合的晶体管来组合成不一样的状态，以表示世界上的万物。他们看到8个开关状态是好的，因而他们把这称为“字节”。学习

开始计算机只在美国用。八位的字节一共能够组合出256（2的8次方）种不一样的状态。优化

他们把其中的编号从0开始的32种状态分别规定了特殊的用途，一但终端、打印机赶上约定好的这些字节被传过来时，就要作一些约定的动做。网站

赶上00×10，终端就换行，赶上0×07, 终端就向人们嘟嘟叫，例好赶上0×1b, 打印机就打印反白的字，或者终端就用彩色显示字母。他们看到这样很好，因而就把这些0×20如下的字节状态称为"控制码"。

他们又把全部的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这样计算机就能够用不一样字节来存储英语的文字了。你们看到这样，都感受很好，因而你们都把这个方案叫作 ANSI 的"Ascii"编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上全部的计算机都用一样的ASCII方案来保存英文文字。

扩展ANSI编码

后来，就像建造巴比伦塔同样，世界各地的都开始使用计算机，可是不少国家用的不是英文，他们的字母里有许可能是ASCII里没有的，为了能够在计算机保存他们的文字，他们决定采用127号以后的空位来表示这些新的字母、符号，还加入了不少画表格时须要用下到的横线、竖线、交叉等形状，一直把序号编到了最后一个状态255。从128到255这一页的字符集被称“扩展字符集”。今后以后，贪婪的人类再没有新的状态能够用了，美国当时估计也没想到还有别的国家要用计算机的。

GB2312编码

当天朝人们获得计算机时，已经没有能够利用的字节状态来表示汉字，何况有6000多个经常使用汉字须要保存呢。天朝人民就不客气地把那些127号以后的奇异符号们直接取消掉。

规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一块儿时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到0xF7，后面一个字节（低字节）从0xA1到0xFE，这样咱们就能够组合出大约7000多个简体汉字了。

在这些编码里，咱们还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在 ASCII 里原本就有的数字、标点、字母都通通从新编了两个字节长的编码，这就是常说的“全角”字符，而原来在127号如下的那些就叫"半角"字符了。因而就把这种汉字方案叫作 “GB2312”。GB2312 是对 ASCII 的中文扩展。

GBK 和 GB18030编码

可是天朝的汉字太多了，咱们很快就就发现有许多人的人名没有办法在这里打出来，特别是某些天朝领导的名字要是打不出很麻烦的。因而咱们不得不继续把 GB2312 没有用到的码位找出来老实不客气地用上。

后来仍是不够用，因而干脆再也不要求低字节必定是127号以后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，无论后面跟的是否是扩展字符集里的内容。结果扩展以后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的全部内容，同时又增长了近20000个新的汉字（包括繁体字）和符号。

后来少数民族也要用电脑了，因而咱们再扩展，又加了几千个新的少数民族的字，GBK 扩成了 GB18030。今后以后，天朝民族的文化就能够在计算机时代中传承了。

在这个标准里，最大的特色是两字节长的汉字字符和一字节长的英文字符并存于同一套编码方案里，所以他们写的程序为了支持中文处理，必需要注意字串里的每个字节的值，若是这个值是大于127的，那么就认为一个双字节字符集里的字符出现了。

那时候凡是受过编程学习的程序员都要天天念下面这个咒语数百遍的折磨：

“一个汉字算两个英文字符！一个汉字算两个英文字符……”

UNICODE编码

由于当时各个国家都像天朝这样搞出一套本身的编码标准，结果互相之间谁也不懂谁的编码，谁也不支持别人的编码，连大陆和台湾这样只相隔了150海里，使用着同一种语言的兄弟地区，也分别采用了不一样的编码方案：

当时的天朝人想让电脑显示汉字，就必须装上一个“汉字系统”。专门用来处理汉字的显示、输入的问题。

可是那个装台湾的人士写的程序就必须加装另外一套支持 BIG5 编码的“倚天汉字系统”才能够用，装错了字符系统，显示就会乱了套！这怎么办？并且世界民族中还有那些暂时用不上电脑的穷苦人民，他们的文字又怎么办？

正在这时，天使及时出现了——一个叫 ISO （国际标谁化组织）的国际组织决定着手解决这个问题。他们采用的方法很简单：废了全部的地区性编码方案，从新搞一个包括了地球上全部文化、全部字母和符号的编码！他们打算叫它 UCS, 俗称 UNICODE 。（ Universal Multiple-Octet Coded Character Set ）

在UNICODE 中，一个汉字算两个英文字符的时代已经快过去了。

不管是半角的英文字母，仍是全角的汉字，它们都是统一的“一个字符”！同时，也都是统一的“两个字节"”

UTF-8和UTF-16

UNICODE 来到时，一块儿到来的还有计算机网络的兴起，UNICODE 如何在网络上传输也是一个必须考虑的问题，因而面向传输的众多 UTF（UCS Transfer Format）标准出现了，顾名思义，UTF8就是每次8个位传输数据，而UTF16就是每次16个位，只不过为了传输时的可靠性，从UNICODE到UTF时并非直接的对应，而是要过一些算法和规则来转换。

将来的UCS-4

如前所述，UNICODE 是用两个字节来表示为一个字符，他总共能够组合出65535不一样的字符，这大概已经能够覆盖世界上全部文化的符号。若是还不够也没有关系，ISO已经准备了UCS-4方案，说简单了就是四个字节来表示一个字符，这样咱们就能够组合出21亿个不一样的字符出来（最高位有其余用途），这大概能够用到天朝成立银河联邦成立那一天吧！

二. 为何有些网站打开有时候会是乱码

网页乱码是浏览器（如IE等）对HTML网页解释时造成的。

若是在浏览网站网页的代码写错语系（比较少见），有形如：

<HTML>

<HEAD>

<META CONTENT=“text/html；charset=ISO-8859-1”></HEAD>……

</HTML>

的语句，浏览器在显示此页时，就会出现乱码。由于浏览器会将此页语种辨认为“欧洲语系”。

解决的办法是将语种“ISO-8859-1”改成GB2312，若是是繁体网页则改成BIG5。

还有一种可能比较大，就是网页并无标明他用的是何种语系，即没有

<META CONTENT=“text/html；charset=XXXXX“>，这一行。

而你的计算机默认也不是这种语系，比方咱们访问某些日文网站，常常出现这个问题。这个主要是因为程序员是面向当地的人开发的网站，因为当地都是默认语系，因此没有乱码种状况，而你是外来人，你的操做系统自己默认不是当地的语系。因此要手动改语系。

至于出现口口口口口口这种状况

这是因为网站并无采用UTF-8编码而是采用的当地的编码，如蒙古语的，阿拉伯语的编码，你的计算机中并无这种编码，因此不能识别。

解决办法是，事先为浏览器安装多语言支持包（例如在安装IE时要安装多语言支持包），这样在浏览网页出现乱码时，就能够在浏览器中选择菜单栏下的“查看”/“编码”/“自动选择”/蒙古），如为繁体中文则选择“查看”/“编码”/“自动选择”/阿拉伯语，其它语言依此类推选择相应的语系，这样可消除网页乱码现象。

三. 目前开发网站用什么编码比较好

咱们通常通俗的理解为：

UTF-8是世界性通用代码，也完美的支持中文编码，若是咱们作的网站能让国外用户正常的访问，就最好用UTF-8。

GB2312属于中文编码，主要针对国内用户使用，若是国外用户访问GB2312编码的网站就会变乱码。

网友的反馈通常以为是用UTF-8比GB2312要多不少，你们都比较赞同用UTF-8。

从一张外国网站的调查也可看得出：

由此图能够看出，2001-2008年期间，GB2312编码的使用状况虽然幅度不大，但仍是在稳定上升的；蓝色的线表示出用UTF-8的网站愈来愈多了。

我挑选了国内部分几个大的门户网站，看看他们用的是哪一种编码格式：

也许有同窗就会问了为何国内几个网站用GB2312反而更多些呢。

我也对这个疑问进行了思考，我以为。应该有3种缘由：

1. 国内这些网站自己历史也比较长，开始使用的就是 GB2312编码，如今改为 UTF-8（之前的网页）转换的难度和风险太大。

2. UTF-8编码的文件比GB2312更占空间一些，虽然目前的硬件环境下能够忽略，可是这些门户网站为了减小服务器负载基本上全部的页面都生成了静态页，UTF-8保存起来文件会比较大，对于门户级别的网站天天生成的文件量仍是很是巨大，带来的存储成本相应提升。

3. 因为UTF-8的编码比GB2312解码的网络传输数据量要大，对于门户级别的网站来讲。这个无形之间就要增大带宽，用GB2312对网络流量无疑是最好的优化。

因此在新作站的状况下，建议仍是选择UTF-8比较好。由于没有上面那些缘由，兼容为上策。