經(jīng)常我們打開(kāi)外國(guó)網(wǎng)站的時(shí)候出現(xiàn)亂碼，又或者打開(kāi)很多非英語(yǔ)的外國(guó)網(wǎng)站的時(shí)候，顯示的都是口口口口口的字符，

　　WordPress程序是用的UTF-8，很多cms用的是GB2312。

　　● 為什么有這么多編碼？

　　● UTF-8和GB2312有什么區(qū)別？

　　● 我們?cè)趪?guó)內(nèi)做網(wǎng)站是用UTF-8編碼格式還是GB2312編碼格式好？ 

　　一. 各種編碼的來(lái)歷

　　可能很多同學(xué)一直對(duì)字符的各種編碼方式懵懵懂懂，根本搞不清為什么他們有這么多編碼。

　　ANSI編碼

　　其實(shí)在很久很久以前，有一群人，他們決定用8個(gè)可以開(kāi)合的晶體管來(lái)組合成不同的狀態(tài)，以表示世界上的萬(wàn)物。他們看到8個(gè)開(kāi)關(guān)狀態(tài)是好的，于是他們把這稱為“字節(jié)”。

　　開(kāi)始計(jì)算機(jī)只在美國(guó)用。八位的字節(jié)一共可以組合出256（2的8次方）種不同的狀態(tài)。 

　　他們把其中的編號(hào)從0開(kāi)始的32種狀態(tài)分別規(guī)定了特殊的用途，一但終端、打印機(jī)遇上約定好的這些字節(jié)被傳過(guò)來(lái)時(shí)，就要做一些約定的動(dòng)作。

　　遇上00×10，終端就換行，遇上0×07, 終端就向人們嘟嘟叫，例好遇上0×1b, 打印機(jī)就打印反白的字，或者終端就用彩色顯示字母。他們看到這樣很好，于是就把這些0×20以下的字節(jié)狀態(tài)稱為"控制碼"。

　　他們又把所有的空格、標(biāo)點(diǎn)符號(hào)、數(shù)字、大小寫(xiě)字母分別用連續(xù)的字節(jié)狀態(tài)表示，一直編到了第127號(hào)，這樣計(jì)算機(jī)就可以用不同字節(jié)來(lái)存儲(chǔ)英語(yǔ)的文字了。大家看到這樣，都感覺(jué)很好，于是大家都把這個(gè)方案叫做 ANSI 的"Ascii"編碼（American Standard Code for Information Interchange，美國(guó)信息互換標(biāo)準(zhǔn)代碼）。當(dāng)時(shí)世界上所有的計(jì)算機(jī)都用同樣的ASCII方案來(lái)保存英文文字。

　　擴(kuò)展ANSI編碼

　　后來(lái)，就像建造巴比倫塔一樣，世界各地的都開(kāi)始使用計(jì)算機(jī)，但是很多國(guó)家用的不是英文，他們的字母里有許多是ASCII里沒(méi)有的，為了可以在計(jì)算機(jī)保存他們的文字，他們決定采用127號(hào)之后的空位來(lái)表示這些新的字母、符號(hào)，還加入了很多畫(huà)表格時(shí)需要用下到的橫線、豎線、交叉等形狀，一直把序號(hào)編到了最后一個(gè)狀態(tài)255。從128到255這一頁(yè)的字符集被稱“擴(kuò)展字符集”。從此之后，貪婪的人類再?zèng)]有新的狀態(tài)可以用了，美國(guó)當(dāng)時(shí)估計(jì)也沒(méi)想到還有別的國(guó)家要用計(jì)算機(jī)的。

　　GB2312編碼

　　當(dāng)天朝人們得到計(jì)算機(jī)時(shí)，已經(jīng)沒(méi)有可以利用的字節(jié)狀態(tài)來(lái)表示漢字，況且有6000多個(gè)常用漢字需要保存呢。天朝人民就不客氣地把那些127號(hào)之后的奇異符號(hào)們直接取消掉。

　　規(guī)定：一個(gè)小于127的字符的意義與原來(lái)相同，但兩個(gè)大于127的字符連在一起時(shí)，就表示一個(gè)漢字，前面的一個(gè)字節(jié)（他稱之為高字節(jié)）從0xA1用到0xF7，后面一個(gè)字節(jié)（低字節(jié)）從0xA1到0xFE，這樣我們就可以組合出大約7000多個(gè)簡(jiǎn)體漢字了。

　　在這些編碼里，我們還把數(shù)學(xué)符號(hào)、羅馬希臘的字母、日文的假名們都編進(jìn)去了，連在 ASCII 里本來(lái)就有的數(shù)字、標(biāo)點(diǎn)、字母都統(tǒng)統(tǒng)重新編了兩個(gè)字節(jié)長(zhǎng)的編碼，這就是常說(shuō)的“全角”字符，而原來(lái)在127號(hào)以下的那些就叫"半角"字符了。于是就把這種漢字方案叫做 “GB2312”。GB2312 是對(duì) ASCII 的中文擴(kuò)展。

　　GBK 和 GB18030編碼

　　但是天朝的漢字太多了，我們很快就就發(fā)現(xiàn)有許多人的人名沒(méi)有辦法在這里打出來(lái)，特別是某些天朝領(lǐng)導(dǎo)的名字要是打不出很麻煩的。于是我們不得不繼續(xù)把 GB2312 沒(méi)有用到的碼位找出來(lái)老實(shí)不客氣地用上。

　　后來(lái)還是不夠用，于是干脆不再要求低字節(jié)一定是127號(hào)之后的內(nèi)碼，只要第一個(gè)字節(jié)是大于127就固定表示這是一個(gè)漢字的開(kāi)始，不管后面跟的是不是擴(kuò)展字符集里的內(nèi)容。結(jié)果擴(kuò)展之后的編碼方案被稱為 GBK 標(biāo)準(zhǔn)，GBK 包括了 GB2312 的所有內(nèi)容，同時(shí)又增加了近20000個(gè)新的漢字（包括繁體字）和符號(hào)。

　　后來(lái)少數(shù)民族也要用電腦了，于是我們?cè)贁U(kuò)展，又加了幾千個(gè)新的少數(shù)民族的字，GBK 擴(kuò)成了 GB18030。從此之后，天朝民族的文化就可以在計(jì)算機(jī)時(shí)代中傳承了。

　　在這個(gè)標(biāo)準(zhǔn)里，最大的特點(diǎn)是兩字節(jié)長(zhǎng)的漢字字符和一字節(jié)長(zhǎng)的英文字符并存于同一套編碼方案里，因此他們寫(xiě)的程序?yàn)榱酥С种形奶幚恚仨氁⒁庾执锏拿恳粋€(gè)字節(jié)的值，如果這個(gè)值是大于127的，那么就認(rèn)為一個(gè)雙字節(jié)字符集里的字符出現(xiàn)了。

　　那時(shí)候凡是受過(guò)編程學(xué)習(xí)的程序員都要每天念下面這個(gè)咒語(yǔ)數(shù)百遍的折磨：

　　“一個(gè)漢字算兩個(gè)英文字符！一個(gè)漢字算兩個(gè)英文字符……”

　　UNICODE編碼

　　因?yàn)楫?dāng)時(shí)各個(gè)國(guó)家都像天朝這樣搞出一套自己的編碼標(biāo)準(zhǔn)，結(jié)果互相之間誰(shuí)也不懂誰(shuí)的編碼，誰(shuí)也不支持別人的編碼，連大陸和臺(tái)灣這樣只相隔了150海里，使用著同一種語(yǔ)言的兄弟地區(qū)，也分別采用了不同的編碼方案：

　　當(dāng)時(shí)的天朝人想讓電腦顯示漢字，就必須裝上一個(gè)“漢字系統(tǒng)”。專門(mén)用來(lái)處理漢字的顯示、輸入的問(wèn)題。

　　但是那個(gè)裝臺(tái)灣的人士寫(xiě)的程序就必須加裝另一套支持 BIG5 編碼的“倚天漢字系統(tǒng)”才可以用，裝錯(cuò)了字符系統(tǒng)，顯示就會(huì)亂了套！這怎么辦？而且世界民族中還有那些暫時(shí)用不上電腦的窮苦人民，他們的文字又怎么辦？

　　正在這時(shí)，天使及時(shí)出現(xiàn)了——一個(gè)叫 ISO （國(guó)際標(biāo)誰(shuí)化組織）的國(guó)際組織決定著手解決這個(gè)問(wèn)題。他們采用的方法很簡(jiǎn)單：廢了所有的地區(qū)性編碼方案，重新搞一個(gè)包括了地球上所有文化、所有字母和符號(hào)的編碼！他們打算叫它 UCS, 俗稱 UNICODE 。（ Universal Multiple-Octet Coded Character Set ）

　　在UNICODE 中，一個(gè)漢字算兩個(gè)英文字符的時(shí)代已經(jīng)快過(guò)去了。

　　無(wú)論是半角的英文字母，還是全角的漢字，它們都是統(tǒng)一的“一個(gè)字符”！同時(shí)，也都是統(tǒng)一的“兩個(gè)字節(jié)"”

　　UTF-8和UTF-16

　　UNICODE 來(lái)到時(shí)，一起到來(lái)的還有計(jì)算機(jī)網(wǎng)絡(luò)的興起，UNICODE 如何在網(wǎng)絡(luò)上傳輸也是一個(gè)必須考慮的問(wèn)題，于是面向傳輸?shù)谋姸?UTF（UCS Transfer Format）標(biāo)準(zhǔn)出現(xiàn)了，顧名思義，UTF8就是每次8個(gè)位傳輸數(shù)據(jù)，而UTF16就是每次16個(gè)位，只不過(guò)為了傳輸時(shí)的可靠性，從UNICODE到UTF時(shí)并不是直接的對(duì)應(yīng)，而是要過(guò)一些算法和規(guī)則來(lái)轉(zhuǎn)換。

　　未來(lái)的UCS-4

　　如前所述，UNICODE 是用兩個(gè)字節(jié)來(lái)表示為一個(gè)字符，他總共可以組合出65535不同的字符，這大概已經(jīng)可以覆蓋世界上所有文化的符號(hào)。如果還不夠也沒(méi)有關(guān)系，ISO已經(jīng)準(zhǔn)備了UCS-4方案，說(shuō)簡(jiǎn)單了就是四個(gè)字節(jié)來(lái)表示一個(gè)字符，這樣我們就可以組合出21億個(gè)不同的字符出來(lái)（最高位有其他用途），這大概可以用到天朝成立銀河聯(lián)邦成立那一天吧！

　　二. 為什么有些網(wǎng)站打開(kāi)有時(shí)候會(huì)是亂碼

　　網(wǎng)頁(yè)亂碼是瀏覽器（如IE等）對(duì)HTML網(wǎng)頁(yè)解釋時(shí)形成的。

　　如果在瀏覽網(wǎng)站網(wǎng)頁(yè)的代碼寫(xiě)錯(cuò)語(yǔ)系（比較少見(jiàn)），有形如：

<HTML>

<HEAD>

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

</HTML>

　　的語(yǔ)句，瀏覽器在顯示此頁(yè)時(shí)，就會(huì)出現(xiàn)亂碼。因?yàn)闉g覽器會(huì)將此頁(yè)語(yǔ)種辨認(rèn)為“歐洲語(yǔ)系”。

　　解決的辦法是將語(yǔ)種“ISO-8859-1”改為GB2312，如果是繁體網(wǎng)頁(yè)則改為BIG5。

　　還有一種可能比較大，就是網(wǎng)頁(yè)并沒(méi)有標(biāo)明他用的是何種語(yǔ)系，即沒(méi)有

　　<META CONTENT=“text/html；charset=XXXXX“>，這一行。

　　而你的計(jì)算機(jī)默認(rèn)也不是這種語(yǔ)系，比方我們?cè)L問(wèn)某些日文網(wǎng)站，經(jīng)常出現(xiàn)這個(gè)問(wèn)題。這個(gè)主要是由于程序員是面向當(dāng)?shù)氐娜碎_(kāi)發(fā)的網(wǎng)站，由于當(dāng)?shù)囟际悄J(rèn)語(yǔ)系，所以沒(méi)有亂碼種情況，而你是外來(lái)人，你的操作系統(tǒng)本身默認(rèn)不是當(dāng)?shù)氐恼Z(yǔ)系。所以要手動(dòng)改語(yǔ)系。

　　至于出現(xiàn)口口口口口口這種情況

　　這是由于網(wǎng)站并沒(méi)有采用UTF-8編碼而是采用的當(dāng)?shù)氐木幋a，如蒙古語(yǔ)的，阿拉伯語(yǔ)的編碼，你的計(jì)算機(jī)中并沒(méi)有這種編碼，所以不能識(shí)別。

　　解決辦法是，事先為瀏覽器安裝多語(yǔ)言支持包（例如在安裝IE時(shí)要安裝多語(yǔ)言支持包），這樣在瀏覽網(wǎng)頁(yè)出現(xiàn)亂碼時(shí)，就可以在瀏覽器中選擇菜單欄下的“查看”/“編碼”/“自動(dòng)選擇”/蒙古），如為繁體中文則選擇“查看”/“編碼”/“自動(dòng)選擇”/阿拉伯語(yǔ)，其它語(yǔ)言依此類推選擇相應(yīng)的語(yǔ)系，這樣可消除網(wǎng)頁(yè)亂碼現(xiàn)象。

　　三. 目前開(kāi)發(fā)網(wǎng)站用什么編碼比較好

　　我們一般通俗的理解為：

　　UTF-8是世界性通用代碼，也完美的支持中文編碼，如果我們做的網(wǎng)站能讓國(guó)外用戶正常的訪問(wèn)，就最好用UTF-8。

　　GB2312屬于中文編碼，主要針對(duì)國(guó)內(nèi)用戶使用，如果國(guó)外用戶訪問(wèn)GB2312編碼的網(wǎng)站就會(huì)變亂碼。

　　網(wǎng)友的反饋一般覺(jué)得是用UTF-8比GB2312要多很多，大家都比較贊同用UTF-8。

　　從一張外國(guó)網(wǎng)站的調(diào)查也可看得出：

 　　由此圖可以看出，2001-2008年期間，GB2312編碼的使用情況雖然幅度不大，但還是在穩(wěn)定上升的；藍(lán)色的線表示出用UTF-8的網(wǎng)站越來(lái)越多了。

　　我挑選了國(guó)內(nèi)部分幾個(gè)大的門(mén)戶網(wǎng)站，看看他們用的是哪種編碼格式：

　　也許有同學(xué)就會(huì)問(wèn)了為什么國(guó)內(nèi)幾個(gè)網(wǎng)站用GB2312反而更多些呢。

　　我也對(duì)這個(gè)疑問(wèn)進(jìn)行了思考，我覺(jué)得。應(yīng)該有3種原因：

　　1. 國(guó)內(nèi)這些網(wǎng)站本身歷史也比較長(zhǎng)，開(kāi)始使用的就是 GB2312編碼，現(xiàn)在改成 UTF-8（以前的網(wǎng)頁(yè)）轉(zhuǎn)換的難度和風(fēng)險(xiǎn)太大。

　　2. UTF-8編碼的文件比GB2312更占空間一些，雖然目前的硬件環(huán)境下可以忽略，但是這些門(mén)戶網(wǎng)站為了減少服務(wù)器負(fù)載基本上所有的頁(yè)面都生成了靜態(tài)頁(yè)，UTF-8保存起來(lái)文件會(huì)比較大，對(duì)于門(mén)戶級(jí)別的網(wǎng)站每天生成的文件量還是非常巨大，帶來(lái)的存儲(chǔ)成本相應(yīng)提高。

　　3. 由于UTF-8的編碼比GB2312解碼的網(wǎng)絡(luò)傳輸數(shù)據(jù)量要大，對(duì)于門(mén)戶級(jí)別的網(wǎng)站來(lái)說(shuō)。這個(gè)無(wú)形之間就要增大帶寬，用GB2312對(duì)網(wǎng)絡(luò)流量無(wú)疑是最好的優(yōu)化。

　　所以在新做站的情況下，建議還是選擇UTF-8比較好。因?yàn)闆](méi)有上面那些原因，兼容為上策。