DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
淘寶頁面的編碼困惑:ASCII、gb2312 與 gb18030 的混用代價
編輯:關於網頁技巧     

因為即將開始淘寶的專案,前端這邊勢必得深入摸清 taobao ued 規範。規範本身寫得算齊全,但 taobao.com 在編碼與字符集上的選擇讓我頗多困惑。

由於歷史原因,淘寶的頁面編碼是 ASCII,字符集採用 gb2312。這本身並無不妥,麻煩的是開發時得額外分神去應付複雜多元的字符集問題。比如淘寶首頁是 ASCII,頁面 meta 裡指定的字符集是 GB18030;但在 Windows 下用 Firefox 把頁面另存到本地後,meta 中的字符集卻變成了 gb2312。而在 IE 中打開淘寶首頁,瀏覽器認定的字符集是 gb2312。由於 gb18030 的字元範圍比 gb2312 更大,萬一出現越界字元,瀏覽器還是會用 gb18030 來解釋頁面。

在純粹的 HTML 裡,這種「編碼相同、字符集不同」的隱患,通常會被越來越強大的 A 級瀏覽器 hack 掉,所以只要採用大致相容的 gb 系列字符集,頁面大概不會出錯。但當一個 ASCII 編碼的 HTML 去引用 UTF 編碼的 CSS 或 JS 時,就必須明確標註被引用檔案的編碼。讓人困惑的是,淘寶首頁裡卻存在引用未標註編碼的 UTF 檔案,而且不是個例——比如首頁尾部的 tbra-fp.js,就沒有指定編碼:

<script type="text/javascript"
src="https://assets.taobaocdn.com/tbra/1.0/tbra-fp.js?
t=20090619.js"></script>

而這個 tbra-fp.js 恰恰是 UTF-8 編碼。所幸檔案裡只有英文,也沒有涉及 AJAX 的代碼——UTF-8 與 ASCII 在英文範圍內可以互通,所以這個檔案還算能與首頁正確協同工作。而在首頁最下方,幾個沙箱引用的 JS 就規規矩矩標註了 charset=gb2312:

<script type="text/javascript"
src="https://cn2.adserver.yahoo.com/a?
f=2121060025&p=cntaobao&l=TBT1&c=r" charset="gb2312"></script>

這幾個沙箱引用的 JS 確實是 ASCII 編碼的檔案。由於其中含有中文字元,為了避免亂碼,HTML 的編碼必須保持一致。上述這種檔案編碼不統一的情況,首頁裡還有好幾處,大概算 bug 吧。

我們知道,gb 系列字符集都是基於 ASCII 的擴展,只是各家擴展的程度不同,而且不同字符集之間還可能重疊——畢竟每一種擴展都是各個國家或地區各自行動的結果。比如 gb2312 與 big5 為了分別顯示簡體與繁體中文而各自擴充 ASCII,而這兩套擴充彼此並不相容。也就是說,一個同時包含簡體與繁體字的檔案,不可能靠 gb2312 和 big5 同時正確顯示所有漢字。何況 gb2312 收錄的漢字本來就不多,用它來處理中文有相當多隱患。一旦前端與後台的字符集不一致,處理起來會非常棘手。淘寶首頁的原始碼裡就有不少這種情況:

而排查編碼與字符集問題需要花費不少時間和精力。如果正站統一採用 unicode 字符集,大概就不會出現各種編碼不一致造成的開發成本浪費與軟件隱患了。唉,這也是做全站架構時該考慮的事;至於日常開發,只要遵循規範、細心一點,確保檔案編碼與字符集保持一致就好,無他。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved