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請求響應的數據流，分析了在Web服務器和數據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編碼的字符集，編碼字符集中的字符所對應的整數稱為碼點（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。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會產生亂碼，隨著互聯網的發(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網站運行環(huán)境包括：客戶端瀏覽器、Web服務器和MySQL數據庫服務器，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數據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，如果涉及到訪問數據庫，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服務器之間的數據傳輸協議是HTTP協議，HTTP協議規(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的值對網頁文件的字節(jié)序列解碼，渲染成網頁。

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字段值和網頁文件編碼一致，瀏覽器就能正常顯示網頁。charset字段值由Web服務器中Apache和PHP的配置參數決定，在PHP的php.ini文件中有默認的配置參數項：

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，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，但只有一個配置參數在Web服務器生效，php.ini配置參數的優(yōu)先級高于httpd.conf配置參數。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后，Web服務器在發(fā)送網頁文件時，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，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，參數對PHP文件不會生效。但是，由于在HTML文件中不能使用header函數，所以php.ini中字符編碼的配置參數對HTML文件還是生效的。因此，為了統一處理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。在.htaccess文件中加入下列參數，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，php_value default_char?set“utf-8”將覆蓋php.ini配置參數。將上述參數的第二行第三行的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站。

3.2 數據庫服務器導致的亂碼

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

（1）創(chuàng)建數據庫指定編碼

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

（2）程序控制編碼

數據庫和PHP文件的編碼格式不一致時，在DSN字符串里添加charset參數，charset參數的值就是PHP文件的編碼。PDO對象在讀寫數據庫時，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）;

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

（3）修改配置參數

MySQL數據庫服務器有服務器級和數據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)建數據庫時，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

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

某個具體數據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，找到具體數據庫目錄，其中有個db.opt配置文件，有類似參數信息：

default-character-set=utf8

default-collation=utf8_general_ci

修改此參數可以更改服務器的字符集編碼。

4 結語

網頁亂碼的根源就在于瀏覽器沒有按網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頁文件代碼，二要考察PHP文件編碼格式與數據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，面對亂碼現象，就能根據實際應用的需求，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