PHP教學中的亂碼問題及解決方法

熊志斌，田興彥

（海南熱帶海洋學院藝術與創(chuàng)意學院，三亞 572022）

0 引言

亂碼的英文術語是“mojibake”，源于日語，指以非期望的編碼格式對文本解碼而產生的混亂文字[1]。在PHP教學中，學生經(jīng)常被亂碼所困擾，不能有效應對。一些編程論壇和文獻[2-3]，雖然羅列了一些亂碼的處理方法，但學生往往是知其然而不知其所以然，生搬硬套，有時能解決問題，有時不能解決問題。本文介紹了字符編碼的基本知識和Web工作原理，HTTP響應報文格式，動態(tài)網(wǎng)頁的內容構成，從PHP程序運行過程出發(fā)，沿著HTTP請求響應的數(shù)據(jù)流，分析了在Web服務器和數(shù)據(jù)庫服務器中可能導致亂碼的原因及解決辦法，以供教學參考。

1 字符集與編碼

字符（character）是包括文字、數(shù)字、標點符號、圖形符號等人類可以理解的各種符號的總稱。字符集（character set）是包含一定數(shù)量字符的集合。編碼字符集（coded character set）是每個字符對應唯一整數(shù)編碼的字符集，編碼字符集中的字符所對應的整數(shù)稱為碼點（code point）。編碼字符集常常被簡稱為字符集，要結合上下文語境來理解。常見字符集有：ASCII字符集、Unicode字符集、UCS字符集、GB2312字符集、GBK字符集，BIG5字符集、GB18030字符集。從碼點到二進制字節(jié)序列的映射稱為編碼方案，每種字符集都有一種或幾種編碼方案。從字符轉換成碼點，碼點按編碼方案轉換成二進制序列，這個過程稱之為編碼。從二進制序列按編碼方案轉換成碼點，碼點轉換成字符，這個過程稱之為解碼。

最早的字符集編碼是美國計算機專家制定的適用英文系統(tǒng)的ASCII碼（American Standard Code for Infor?mation Interchange，美國信息交換標準代碼）。ASCII碼包括英文大小寫字符、阿拉伯數(shù)字、西文符號等可顯示字符，以及回車、換行、退格等打印控制符。

中文字符集編碼有GB2312字符集、GBK字符集、GB18030字符集、BIG5字符集。字符集GB2312（信息交換用漢字編碼字符集·基本集）收錄6763個漢字，基本滿足漢字的計算機信息處理。GBK字符集是對GB2312字符集的擴展，收錄了GB2312字符集之外的生僻字，港澳臺地區(qū)使用的繁體字，GBK字符集并不是國家頒布的標準，編碼由微軟制定，最早用于Windows系統(tǒng)。GB18030字符集（信息技術中文編碼字符集）是我國最新的中文字符編碼標準，與GB2312字符集完全兼容，與GBK字符集基本兼容，總過收錄了70244個漢字符號，包括簡體漢字，繁體漢字，我國少數(shù)民族的字符。BIG5字符集是我國港澳臺地區(qū)使用的繁體中文字符集，BIG5字符集用兩個字節(jié)表示一個字符。

由于各國的編碼方案可能不兼容，同一個文件在不同國家的信息處理系統(tǒng)會產生亂碼，隨著互聯(lián)網(wǎng)的發(fā)展，這一弊端日益凸顯。為了解決這個問題，非盈利組織機構Unicode聯(lián)盟（Unicode Consortium）制定了包括世界各國文字的Unicode字符集標準，Unicode字符集上有3種編碼方案，分別是UTF-32、UTF-16、UTF-8。UTF-32采用4個字節(jié)表示一個字符，UTF-16采用2個字節(jié)表示一個字符。UTF-8是一種變長編碼，用1到4個字節(jié)表示一個字符，UTF-8用3個字節(jié)表示一個漢字。同一時期，ISO組織制定了一個涵蓋世界各國文字的 UCS（Universal Coded Character Set）字符標準（ISO/IEC 10646）。ISO/IEC 10646標準與Unicode標準定義的字符、字符編碼、字符名稱是完全相同的，目前二者相互協(xié)調發(fā)展[4]。這兩個組織仍獨立地公布自己的標準，Unicode標準已經(jīng)成為事實上的工業(yè)標準。

亂碼的根源就在于沒有按期望的編碼格式進行解碼。計算機中的文件都以二進制字節(jié)序列形式保存在硬盤上，打開文件需要解碼，把二進制序列轉換成自然語言中的字符，如果沒有按文件保存時的編碼格式進行解碼，顯示出來的就是亂碼。例如，文件保存的是UTF-8編碼，打開文件的時候按GBK編碼格式解碼，顯示出來的就是亂碼。

2 Web工作原理

PHP網(wǎng)站運行環(huán)境包括：客戶端瀏覽器、Web服務器和MySQL數(shù)據(jù)庫服務器，其中，Web服務器中包括Apache服務器和PHP預處理器。在Windows中文系統(tǒng)中，瀏覽器默認編碼一般是GBK，也可以通過瀏覽器的設置功能修改默認編碼，MySQL數(shù)據(jù)庫在安裝的時候可以指定默認編碼，如果沒有指定，則服務器默認編碼是latin-1。

Apache+MySQL運行環(huán)境下的Web工作原理如圖1所示：客戶端瀏覽器發(fā)送訪問某個頁面的請求，Web服務器端瀏覽器發(fā)送響應報文，如果是HTML靜態(tài)頁面，Apache服務器返回HTML文件（包含CSS、Java-Script）到客戶端瀏覽器，如果是PHP動態(tài)頁面文件，PHP解釋器執(zhí)行腳本，如果涉及到訪問數(shù)據(jù)庫，查詢結果再通過Web服務器以HTML文件返回到客戶端瀏覽器。

圖1 Web工作原理

瀏覽器和Web服務器之間的數(shù)據(jù)傳輸協(xié)議是HTTP協(xié)議，HTTP協(xié)議規(guī)定了瀏覽器的請求報文格式和Web服務器的響應報文格式。請求報文由請求行、請求頭部和請求正文3部分構成，響應報文由狀態(tài)行、響應頭部和響應正文3部分構成，響應正文也就是頁面文件。其中與亂碼有關的是響應頭部里有一個字段charset，此字段的值是某種編碼格式，如UTF-8，該字段的功能是通知瀏覽器，響應正文（網(wǎng)頁文件）的編碼格式。瀏覽器正是按響應報文頭部charset的值對網(wǎng)頁文件的字節(jié)序列解碼，渲染成網(wǎng)頁。

3 亂碼的產生與處理

3.1 Web 服務器導致的亂碼

瀏覽器在接受到響應報文后，按響應頭部的字段charset的編碼格式對響應正文解碼。如果響應報文中字段charset的指定編碼格式與網(wǎng)頁文件的編碼格式不一致，或者字段charset的值為空，而瀏覽器默認的字符編碼與網(wǎng)頁文件的編碼格式不一致，則瀏覽器顯示亂碼。Web服務器沒有正確的指定編碼格式，有3種處理方式。

（1）Web服務器指定編碼

Web服務器響應頭部的charset字段值和網(wǎng)頁文件編碼一致，瀏覽器就能正常顯示網(wǎng)頁。charset字段值由Web服務器中Apache和PHP的配置參數(shù)決定，在PHP的php.ini文件中有默認的配置參數(shù)項：

default_charset="UTF-8"

通過修改此項可以為Web服務器指定其他字符集編碼。

在Apache中的httpd.conf配置文件中并沒有默認配置參數(shù)，用戶可以在httpd.conf文件尾部添加：

AddDefaultCharset UTF-8

通過此項為Web服務器指定字符集編碼。php.ini文件和httpd.conf文件有各自的字符編碼配置參數(shù)，但只有一個配置參數(shù)在Web服務器生效，php.ini配置參數(shù)的優(yōu)先級高于httpd.conf配置參數(shù)。如果php.ini和httpd.conf同時指定了不同的默認字符集，則php.ini中的默認字符集生效。

在php.ini文件或httpd.conf文件配置了字符集編碼參數(shù)后，Web服務器在發(fā)送網(wǎng)頁文件時，無論是HT?ML文件還是PHP文件，都會把配置文件的默認字符編碼作為響應報文頭部的charset字段值發(fā)送到瀏覽器。

這種解決方法的本質就是使Web服務器的默認字符編碼和網(wǎng)頁文件的編碼保持一致，因此，在開發(fā)PHP程序時，把開發(fā)環(huán)境的編輯器的字符編碼設置成服務器端指定的字符編碼就可以了。

（2）網(wǎng)頁文件指定編碼

如果Web服務器中php.ini和httpd.conf都不指定默認字符集，則響應報文頭部的charset字段值為空，Web程序員可以通過網(wǎng)頁文件中的代碼來控制瀏覽器的解碼，使瀏覽器按正確的字符編碼解析網(wǎng)頁文件。HTML文件和PHP文件有不同的控制方式。

對于HTML文件，程序員必須在每一個文件的頭部添加meta標簽，聲明HTML文件的編碼格式。如HTML文件本身就是GBK編碼，聲明方式如下：

＜meta http-equiv="Content-Type"content="text/html;charset=GBK"＞

瀏覽器接到從Web服務器傳來的HTML文件字節(jié)序列流時，就會按GBK編碼格式進行解碼。

對于PHP文件，程序員必須在每一個文件的起始處添加header函數(shù)，假如PHP文件本身是GBK編碼，聲明方式如下：

＜?php header（"content-type:text/html;charset=GBK"）?＞

header函數(shù)的作用是把括號里面的信息發(fā)到Web服務器的響應報文中的響應頭部，瀏覽器按響應頭部的字段charset的值來解碼PHP文件。

header函數(shù)指定字符集編碼的優(yōu)先級高于php.ini，也就是說即使Web服務器端的php.ini文件有字符編碼的配置參數(shù)，參數(shù)對PHP文件不會生效。但是，由于在HTML文件中不能使用header函數(shù)，所以php.ini中字符編碼的配置參數(shù)對HTML文件還是生效的。因此，為了統(tǒng)一處理HTML文件和PHP文件，Web服務器中php.ini文件和httpd.conf文件都不指定默認字符集，這種方式靈活性很大，可以使Web程序員靈活控制每一個網(wǎng)頁文件解碼。

（3）.htaccess文件指定編碼

.htaccess文件是Apache服務器支持的基于目錄的配置文件，可以放置在站點任何目錄下，其功能非常廣，包括：用戶自動重定向、自定義錯誤頁面、封禁特定IP地址、拒絕訪問目錄，以及指定字符編碼[5]。.htaccess文件的配置參數(shù)的優(yōu)先級高于Web服務器中的php.ini文件和httpd.conf文件中配置參數(shù)。在.htaccess文件中加入下列參數(shù)，可以指定字符編碼：

IndexOptions Charset=utf-8

AddDefaultCharset utf-8

php_value default_charset“utf-8”

其中IndexOptions Charset=utf-8用來設置Apache服務器目錄字符編碼，AddDefaultCharset UTF-8將覆蓋httpd.conf文件中配置參數(shù)，php_value default_char?set“utf-8”將覆蓋php.ini配置參數(shù)。將上述參數(shù)的第二行第三行的utf-8改成off，則httpd.conf文件和php.ini文件中字符集的配置參數(shù)失效，Web服務器響應報文的頭部的字段charset的值為空。

寫有上述配置參數(shù)的.htaccess文件放入某個目錄下，Web服務器在發(fā)送該目錄及子目錄下的網(wǎng)頁文件時，報文響應頭部的字段charset的值就是.htaccess文件指定的編碼。這種方式適合于用戶無權修改Web服務器配置文件的虛擬主機網(wǎng)站。

3.2 數(shù)據(jù)庫服務器導致的亂碼

PHP文件是動態(tài)網(wǎng)頁，從字節(jié)序列的角度考察，網(wǎng)頁文件的字節(jié)序列可能由兩部分構成，一部分是網(wǎng)頁文件本身的字節(jié)序列，另一部分字節(jié)序列是讀取數(shù)據(jù)庫中的內容。如果數(shù)據(jù)庫的編碼格式與PHP文件的編碼格式不一致，造成網(wǎng)頁文件這兩部分的字節(jié)序列編碼格式不一致，按網(wǎng)頁文件編碼格式解碼，必然出現(xiàn)亂碼。開發(fā)PHP程序時，有時會出現(xiàn)網(wǎng)頁部分內容正常顯示，而在表格中數(shù)據(jù)庫內容亂碼的情況，就是PHP文件的編碼與數(shù)據(jù)庫的編碼不一致造成的。處理數(shù)據(jù)庫服務器造成的亂碼有3種方法。

（1）創(chuàng)建數(shù)據(jù)庫指定編碼

MySQL數(shù)據(jù)庫服務器支持在創(chuàng)建數(shù)據(jù)庫時指定數(shù)據(jù)庫級的編碼格式，所以無論是圖形化的向導創(chuàng)建數(shù)據(jù)庫，還是通過執(zhí)行腳本都可以指定數(shù)據(jù)庫的字符編碼。為了避免亂碼，創(chuàng)建數(shù)據(jù)庫時，可以根據(jù)PHP文件的編碼格式，指定數(shù)據(jù)庫的編碼，使得數(shù)據(jù)庫和PHP文件的編碼格式保持一致。在創(chuàng)建數(shù)據(jù)庫時，不僅可以指定數(shù)據(jù)庫的字符編碼，甚至可以指定數(shù)據(jù)庫中某個表，或表中的某列采取特定的編碼格式。

（2）程序控制編碼

數(shù)據(jù)庫和PHP文件的編碼格式不一致時，在DSN字符串里添加charset參數(shù)，charset參數(shù)的值就是PHP文件的編碼。PDO對象在讀寫數(shù)據(jù)庫時，按指定的字符編碼轉換。在PHP程序中，DSN字符串變量形式：

$dsn="mysql:host=localhost;dbname=students;charset=utf8"；

$db=new PDO（$dsn,$user,$password）;

無論數(shù)據(jù)庫的編碼格式是什么，指定DSN字符串里charset參數(shù)的值是穩(wěn)妥的。有些虛擬主機網(wǎng)站，用戶連建庫的權限都沒有，根本就不可能指定數(shù)據(jù)庫的字符編碼，只能采用這種方式。

（3）修改配置參數(shù)

MySQL數(shù)據(jù)庫服務器有服務器級和數(shù)據(jù)庫級兩個級別的字符集編碼和校驗規(guī)則，其中服務器級的字符集和校驗規(guī)則是不可缺少的，在安裝MySQL服務器時就必須指定字符集編碼和校驗規(guī)則，默認字符集編碼是latin-1。在創(chuàng)建數(shù)據(jù)庫時，如果沒有指定字符集編碼和校驗規(guī)則，則延用服務器的字符集編碼和校驗規(guī)則。

服務器級字符集編碼，可以通過修改配置參數(shù)更改默認的字符集編碼。在MySQL的安裝目錄下，有配置文件my.ini，

#SERVER SECTION

#The default character set that will be used when a new schema or table is

#created and no character set is defined

character-set-server=utf8

通過修改參數(shù)項character-set-server=utf8可以更改服務器的字符集編碼。

某個具體數(shù)據(jù)庫的字符集也可以通過配置文件更改默認的字符集編碼，在安裝目錄下，有個Data文件，找到具體數(shù)據(jù)庫目錄，其中有個db.opt配置文件，有類似參數(shù)信息：

default-character-set=utf8

default-collation=utf8_general_ci

修改此參數(shù)可以更改服務器的字符集編碼。

4 結語

網(wǎng)頁亂碼的根源就在于瀏覽器沒有按網(wǎng)頁文件的編碼格式解碼，處理PHP亂碼關鍵點就在于：一要考察瀏覽器的編碼格式來自服務器指令還是網(wǎng)頁文件代碼，二要考察PHP文件編碼格式與數(shù)據(jù)庫編碼格式是否一致，找到問題出在哪個環(huán)節(jié)，就可以靈活地制定處理策略。在PHP教學中，面對中文亂碼的問題，不能簡單羅列亂碼的處理方法，要從字符編碼，從Web工作原理，從HTTP協(xié)議的響應報文的格式，分析亂碼產生的根源，分析Web應用程序各環(huán)節(jié)可能產生亂碼的地方及對應的處理方法。學生掌握了這些基本原理和基本應對能力后，面對亂碼現(xiàn)象，就能根據(jù)實際應用的需求，靈活地制定處理方案。

[1]Mojibake[EB/OL].https://en.wikipedia.org/wiki/Mojibake.

[2]曹暉.字符集與字符編碼標準[J].西北民族大學學報（自然科學版）,2006,27（3）:36-42.

[3]張博.基于mysqlphp程序開發(fā)的中文亂碼問題及對策分析[J].電子制作,2013（4）:67-67.

[4]龐天丙.AMP環(huán)境下“亂碼”問題的解決[J].電腦知識與技術,2011,07（16）:3869-3870.

[5]Apache HTTP Server Tutorial:.htaccess Files[EB/OL].http://httpd.apache.org/docs/current/howto/htaccess.html