網(wǎng)頁(yè)亂碼引發(fā)的思考

張北一

網(wǎng)頁(yè)設(shè)計(jì)與制作是北京市現(xiàn)行信息技術(shù)教材信息技術(shù)基礎(chǔ)中的重要內(nèi)容。教師在備課時(shí)通過(guò)研讀教材可以發(fā)現(xiàn)，網(wǎng)頁(yè)是加工和表達(dá)信息的一種強(qiáng)大載體，基本網(wǎng)頁(yè)制作技術(shù)也是高中生應(yīng)會(huì)的基本技能。

教材第四單元第三節(jié)指出，網(wǎng)頁(yè)是使用HTML語(yǔ)言編寫的純文本文件。瀏覽器根據(jù)文件中所寫的標(biāo)簽來(lái)進(jìn)行顯示并賦予不同文本不同的樣式。所以理論上，所有文本編輯軟件皆可用來(lái)編寫網(wǎng)頁(yè)。例如，Windows記事本、Sublime Text、GNU Nano都可以勝任網(wǎng)頁(yè)編輯工作。在教學(xué)實(shí)踐中，常有學(xué)生使用Windows系統(tǒng)自帶的記事本軟件編寫和修改.html文件，此時(shí)就可能會(huì)有學(xué)生遇到“記事本”編寫的中文頁(yè)面在瀏覽器中亂碼的問(wèn)題，具體情況我們可以用一組實(shí)驗(yàn)來(lái)說(shuō)明。

實(shí)驗(yàn)過(guò)程

我們使用微軟Windows7 64位簡(jiǎn)體中文操作系統(tǒng)和internet explorer 11進(jìn)行測(cè)試。測(cè)試步驟如下。

1.打開記事本軟件，輸入.html文檔中必要的html、head、body標(biāo)簽。并在body標(biāo)簽下輸入文本“This is a test.這是一個(gè)測(cè)試”。寫法上頁(yè)如上頁(yè)圖1所示。

2.將文件按默認(rèn)配置保存為index.html。

3.打開internet explorer，將index.html拖拽到瀏覽器窗口中。發(fā)現(xiàn)英文字符顯示正常，但中文顯示為亂碼（如圖2）。

4.查閱網(wǎng)上資料后，可得知通過(guò)調(diào)節(jié)瀏覽器“編碼”選項(xiàng)可以解決這一問(wèn)題。我們?cè)跒g覽器窗口內(nèi)點(diǎn)擊鼠標(biāo)右鍵，在“編碼”一項(xiàng)中勾選“自動(dòng)選擇”（如圖3）。此后發(fā)現(xiàn)中文字符顯示正常。

5.取消自動(dòng)選擇選項(xiàng)，嘗試手動(dòng)選擇編碼方式為“簡(jiǎn)體中文（GB2312）”或“Unicode（UTF-8）”。發(fā)現(xiàn)選擇“簡(jiǎn)體中文（GB2312）”時(shí)中文字符正常顯示；選擇“Unicode（UTF-8）”時(shí)中文字符亂碼。

6.確定了中文顯示問(wèn)題是由編碼方式引起的，那么回到記事本軟件并打開index.html，重新檢查保存文件時(shí)的選項(xiàng)，發(fā)現(xiàn)也有“編碼”一項(xiàng)。其默認(rèn)值為“ANSI”。我們將其調(diào)節(jié)為瀏覽器編碼選項(xiàng)中出現(xiàn)過(guò)的“UTF-8”并重新使用瀏覽器打開index.html后發(fā)現(xiàn)中文字符正常顯示。

7.保持index.html的編碼方式為UTF-8不變，使用瀏覽器打開并設(shè)置瀏覽器編碼方式為“簡(jiǎn)體中文（GB2312）”，發(fā)現(xiàn)中文顯示亂碼。

8.繼續(xù)對(duì)其他語(yǔ)種文字進(jìn)行驗(yàn)證。我們先加上一行日語(yǔ)（如圖4）。分別以ANSI、Unicode、UTF-8來(lái)保存文件，并使用瀏覽器以GB2312、Unicode和日語(yǔ)（EUC）來(lái)瀏覽這個(gè)文件。結(jié)果如表1所示。

9.再增加一行法語(yǔ)字符，這里面特別注意要包含法語(yǔ)中特有的字母“”，重復(fù)第八步的實(shí)驗(yàn)。從中我們發(fā)現(xiàn)保存為ANSI編碼文件的時(shí)候系統(tǒng)提示無(wú)法保存該文件（如下頁(yè)圖5）。所以只存為Unicode和UTF-8兩種格式。結(jié)果如下頁(yè)表2。

由上面的實(shí)驗(yàn)我們可以得知，當(dāng)保存文件所選的編碼和瀏覽器設(shè)置的編碼器一致時(shí)，各種字符皆顯示正常。不一致時(shí)，部分字符會(huì)出現(xiàn)亂碼。為了避免用戶頻繁切換編碼方式，瀏覽器開發(fā)者均設(shè)置了“自動(dòng)選擇”選項(xiàng)來(lái)幫助用戶自動(dòng)切換編碼方式。但實(shí)驗(yàn)中還引發(fā)了三個(gè)問(wèn)題：①為什么保存文件和瀏覽文件時(shí)必須選擇一致的編碼方式才能保證文件的正常顯示？②實(shí)驗(yàn)證實(shí)ANSI和GB2312應(yīng)屬同一種編碼方式，但為何名稱不同？二者又有什么關(guān)系？③在瀏覽器設(shè)置中Unicode被寫作“Unicode（UTF-8）”，但記事本軟件的保存選項(xiàng)卻將“Unicode”和“UTF-8”列為不同的選項(xiàng)，這兩者又是什么關(guān)系？

下面我們就來(lái)針對(duì)這三個(gè)問(wèn)題逐一討論。

文字在計(jì)算機(jī)內(nèi)的表達(dá)

我們知道計(jì)算機(jī)內(nèi)部存儲(chǔ)信息是靠“0”和“1”這兩個(gè)二進(jìn)制數(shù)實(shí)現(xiàn)的。如果想表達(dá)其他的文字和符號(hào)，就要想一個(gè)辦法用“0”和“1”來(lái)進(jìn)行指代。最早的ASCII碼就是使用八位（1字節(jié)）二進(jìn)制數(shù)來(lái)指代數(shù)字、小寫英語(yǔ)字母、大寫英語(yǔ)字母和常用符號(hào)的規(guī)則。其中首位統(tǒng)一規(guī)定為0，此后的7位來(lái)表示不同的符號(hào)。表3為a、b、c三個(gè)小寫英文字母與其二進(jìn)制編碼的對(duì)應(yīng)關(guān)系。

這種把字符轉(zhuǎn)換為二進(jìn)制數(shù)在計(jì)算機(jī)內(nèi)存儲(chǔ)的做法即為“編碼”。ASCII僅能滿足英語(yǔ)語(yǔ)言中文字的表達(dá)，應(yīng)用范圍十分有限。為了方便世界各國(guó)文字和符號(hào)都能利用計(jì)算機(jī)進(jìn)行存儲(chǔ)和傳輸，國(guó)際標(biāo)準(zhǔn)化組織和各國(guó)的標(biāo)準(zhǔn)化結(jié)構(gòu)都編制了各種文字編碼方式，我們?cè)趯?shí)驗(yàn)中看到的GB2312、Unicode都是常用的編碼方式。每種編碼方式都自成一體地規(guī)定了文字和二進(jìn)制數(shù)之間的對(duì)應(yīng)關(guān)系。多數(shù)情況下，不同編碼方式的“文字—二進(jìn)制數(shù)”對(duì)應(yīng)關(guān)系是不同的。我們?cè)谟浭卤拒浖斜４嫖募褪前盐淖洲D(zhuǎn)換為二進(jìn)制數(shù)的過(guò)程，用瀏覽器瀏覽文件就是把二進(jìn)制數(shù)翻譯為文字的過(guò)程。如果這兩個(gè)過(guò)程的標(biāo)準(zhǔn)不一致，必然會(huì)出現(xiàn)千奇百怪的混亂符號(hào)，也就是亂碼。例如，GB2312中的漢字“中”十六進(jìn)制編碼為“D6D0”，轉(zhuǎn)換為二進(jìn)制為“11010110 11010000”。如果用另一種編碼方式Unicode來(lái)翻譯這組二進(jìn)制數(shù)，則對(duì)應(yīng)字符“”，明顯和原文不符。這里要注意的是，目前多數(shù)編碼方式對(duì)英語(yǔ)字母的二進(jìn)制表達(dá)都是一致的，所以在實(shí)驗(yàn)第八步中英語(yǔ)字母總能正常顯示。

漢字編碼在編程中應(yīng)用十分廣泛。例如，Arduino單片機(jī)支持一種朗讀中文的語(yǔ)音合成模塊。在源代碼中會(huì)以十六進(jìn)制數(shù)組成的數(shù)組來(lái)確定發(fā)音內(nèi)容。使用說(shuō)明中會(huì)寫清模塊支持的編碼方式，以便開發(fā)者查閱漢字和其十六進(jìn)制數(shù)的對(duì)應(yīng)關(guān)系。如果代碼中寫道uint8_t text[]={0xB3，0xC9}，其中B3C9在gb2312中就是“成”字。模塊在工作時(shí)就會(huì)發(fā)出“成”字的讀音。除了語(yǔ)音模塊，在對(duì)液晶顯示模塊時(shí)也需要依靠十六進(jìn)制數(shù)來(lái)指代漢字。

文字編碼在網(wǎng)絡(luò)傳輸中同樣普遍存在。我們?cè)跒g覽中文維基百科時(shí)，瀏覽器地址欄中會(huì)顯示形如“https：//zh.wikipedia.org/wiki/中國(guó)”的地址，而將網(wǎng)址復(fù)制到文本編輯器中就會(huì)發(fā)現(xiàn)其中的“中國(guó)”變成了“%E4%B8%AD%E5%9C%8B”。這就是因?yàn)樵趥鬏數(shù)臅r(shí)候“中國(guó)”被使用UTF-8編碼成了十六進(jìn)制數(shù)添加到網(wǎng)址中，而瀏覽器在收到網(wǎng)址后又將其解碼成了漢字并在地址欄顯示出來(lái)。

ANSI與GB2312編碼

理解了“編碼”的含義后，我們就明白了記事本軟件和瀏覽器中“編碼”選項(xiàng)的作用了。那么記事本軟件中默認(rèn)的“ANSI”又是一種什么編碼方式呢？實(shí)際上ANSI在不同語(yǔ)言的操作系統(tǒng)上指代的編碼方式是不一樣的。當(dāng)我們選擇編碼為“ANSI”時(shí)，系統(tǒng)會(huì)從一種被稱為“Code Page”（代碼頁(yè)）的編碼標(biāo)準(zhǔn)中集中選取與當(dāng)前操作系統(tǒng)語(yǔ)言和區(qū)域設(shè)置相符的編碼標(biāo)準(zhǔn)。在微軟MSDN網(wǎng)站的Code Page Identifiers文檔中明確記載簡(jiǎn)體中文操作系統(tǒng)應(yīng)選的Code Page標(biāo)識(shí)符為“936”，名稱為“gb2312”，附加信息中解釋為“ANSI/OEM Simplified Chinese （PRC， Singapore）； Chinese Simplified （GB2312）”。說(shuō)明系統(tǒng)為中國(guó)和新加坡的中文用戶選擇GB2312為指定編碼方式。而GB2312是中國(guó)國(guó)家標(biāo)準(zhǔn)總局所頒布的《信息交換用漢字字符集》，也就是我國(guó)所統(tǒng)一規(guī)定的漢字編碼依據(jù)。其中規(guī)定了包含英語(yǔ)字母、中文漢字、日語(yǔ)假名、希臘字母等7445個(gè)符號(hào)。這就是為什么選擇以ANSI保存文件后應(yīng)該將瀏覽器“編碼”選項(xiàng)設(shè)置為“簡(jiǎn)體中文（GB2312）”才能正常閱讀漢字和日文的原因。

ANSI Code Page是Windows操作系統(tǒng)獨(dú)有的編碼方式集合，其包含了很多種適用于各國(guó)語(yǔ)言的編碼方式。在Windows中，用戶也可以自己決定系統(tǒng)選擇何種編碼方式來(lái)解碼應(yīng)用程序中的文字符號(hào)。我們可以在“控制面板→區(qū)域→管理→更改系統(tǒng)區(qū)域設(shè)置”這一選項(xiàng)中選擇。中國(guó)大陸一般會(huì)選擇為“中文（簡(jiǎn)體，中國(guó)）”。如果經(jīng)常運(yùn)行繁體中文軟件，則可以選擇為“中文（繁體，香港特別行政區(qū)）”等。

有一些Windows軟件可能不會(huì)在編碼方式選項(xiàng)中直接提供“ANSI”選項(xiàng)，但會(huì)提供含有Code Page標(biāo)識(shí)符的選項(xiàng)，讓用戶不受系統(tǒng)自動(dòng)選擇編碼方式的限制。在我們常用的SSH工具“Putty”中，其“Translation”選項(xiàng)中就提供了形如“Win 1250”“Win 1256”等選項(xiàng)。其中“1250”“1256”就是Code Page標(biāo)識(shí)符，分別代表了中歐和阿拉伯。

Unicode編碼

GB2312雖然能解決大部分的我國(guó)常用文字符號(hào)的編碼問(wèn)題，但其中仍然沒(méi)有包含法語(yǔ)等其他國(guó)家的字符。那么有沒(méi)有一種編碼方式能解決各國(guó)所有文字的編碼問(wèn)題呢？答案是肯定的，那就是實(shí)驗(yàn)第九步中系統(tǒng)向我們提示的“Unicode”。Unicode是由Unicode協(xié)會(huì)定制、發(fā)布的一種針對(duì)各國(guó)文字、符號(hào)進(jìn)行編碼的編碼方式。所以Unicode又被稱為“萬(wàn)國(guó)碼”。Unicode誕生時(shí)規(guī)定用16位二進(jìn)制數(shù)來(lái)表示一個(gè)文字或符號(hào)。但最早的Unicode和ASCII有一定差異，導(dǎo)致原本處理ASCII的程序沒(méi)法直接處理Unicode編碼的文字。于是Unicode協(xié)會(huì)又制定了一種Unicode的變種編碼方式，稱為UTF-8。UTF-8中，理論上最多能用48位二進(jìn)制數(shù)（6字節(jié)）來(lái)表示一個(gè)文字或符號(hào)。對(duì)于單字節(jié)符號(hào)，UTF-8與ASCII一致，使得原本處理ASCII的軟件幾乎不用做專門的修改就能處理UTF-8與ASCII的交集中的文字和符號(hào)。表示ASCII以外的文字時(shí)，則在前8位中加入說(shuō)明本字符共需要多少位的信息。我們?cè)谟浭卤拒浖锌吹降摹癠nicode”選項(xiàng)的含義是每個(gè)字符占用16位的標(biāo)準(zhǔn)Unicode編碼方式；“UTF-8”專指Unicode的變種UTF-8。當(dāng)我們選擇瀏覽器選項(xiàng)中的“Unicode（UTF-8）”時(shí)，瀏覽器會(huì)自動(dòng)判斷使用標(biāo)準(zhǔn)Unicode或者UTF-8。

在使用計(jì)算機(jī)處理非ASCII符號(hào)時(shí)要謹(jǐn)慎選擇其編碼方式。通用性良好的編碼方式能使用戶所編碼的信息在各種環(huán)境下都能被輕松解碼。例如，信息技術(shù)基礎(chǔ)第三單元第二節(jié)中介紹了使用數(shù)據(jù)庫(kù)存儲(chǔ)信息。我們?cè)贛ySQL等數(shù)據(jù)庫(kù)管理系統(tǒng)中建立數(shù)據(jù)庫(kù)時(shí)，編碼方式就是一個(gè)重要的選項(xiàng)。選擇UTF-8等包含字符量大、通用性強(qiáng)的編碼方式會(huì)有助于各種應(yīng)用程序（如PHP腳本程序）被順利讀取和解碼數(shù)據(jù)庫(kù)中的文字信息。也有利于正確地存儲(chǔ)用戶所提交的小語(yǔ)種文字、生僻字等文字符號(hào)。

以上就是對(duì)計(jì)算機(jī)文字編碼的簡(jiǎn)要介紹。文字編碼是信息技術(shù)中的基礎(chǔ)知識(shí)。本文介紹的文字對(duì)十六進(jìn)制數(shù)或二進(jìn)制數(shù)代碼轉(zhuǎn)換標(biāo)準(zhǔn)是公開的。如果使用一種不公開的轉(zhuǎn)換標(biāo)準(zhǔn)，就可以實(shí)現(xiàn)對(duì)文字的加密，由此則可以延伸討論更多的話題。