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 >> 前端技巧
UTF-8 檔的 Unicode 簽名 BOM 問題排查實錄
編輯:前端技巧     

前陣子調測一個 UTF-8 編碼的中文 Zen Cart 網站時遇到一件怪事:網頁顯示正常,但用 IE 的「檢視原始碼」(以記事本開啟)卻是滿屏亂碼,Firefox 完全沒這個問題。上網查證加上反覆測試後才定位到原因——這是 UTF-8 檔的 Unicode 簽名 BOM(Byte Order Mark)造成的。

BOM 是什麼

BOM 是 UTF 編碼體系中用於標識編碼的標準標記。它在 UTF-16 裡本是 FF FE,變成 UTF-8 就成了 EF BB BF。這個標記是可選的,因為 UTF-8 的位元組沒有順序,所以它可以被用來偵測一段位元組流是否為 UTF-8 編碼。微軟會做這種偵測,有些軟體則不做,直接把它當一般字元處理。

微軟在自己的 UTF-8 文字檔前加上 EF BB BF 三個位元組,Windows 上的記事本等程式就是依據這三個位元組判斷檔案屬於 ASCII 還是 UTF-8。不過這只是微軟單方面的標記慣例,其他平台並不會對 UTF-8 檔做同樣處理。

三種檢查方式

UTF-8 檔可能帶 BOM,也可能不帶,怎麼區分?

  1. 用 UltraEdit-32 開啟,切到十六進位編輯模式,看檔頭是否有 EF BB BF。
  2. 用 Dreamweaver 開啟,檢查頁面屬性中「包括 Unicode 簽名 BOM」是否打勾。
  3. 用記事本開啟並另存新檔,看預設編碼是 UTF-8 還是 ANSI;若是 ANSI 就不帶 BOM。

我的處理過程

我找到 Zen Cart 版型中的 html_header.php,檢查後發現檔案果然不帶 BOM。用 UltraEdit-32 另存並加上 BOM,重新上傳後,一切就正常了。

轉檔時要注意的兩件事

用 Convertz 把 GB2312 轉成 UTF-8 時,預設是不帶 BOM 的。不帶 BOM 可能出現前述亂碼;但帶 BOM,對 PHP 的 include 檔就要小心——它會在 PHP 位元組流前面多出 EF BB BF,提前輸出到螢幕時可能造成程式錯誤。一個解法是:被 include 的檔案一律存成 ANSI,主檔則用 UTF-8。

要把 BOM 移除,可用 UltraEdit 開啟並切到十六進位模式,把最前面三個位元組(EF BB BF)替換為 20,存檔時記得關閉自動備份,再切回預設模式刪掉最前面的三個空格。

附帶釐清的編碼常識

所謂「Unicode 存檔」實際上是 UTF-16,只是編碼恰好與 Unicode 碼位相同。概念上兩者是不同的:Unicode 是記憶體中的編碼表示方案,UTF 是保存與傳輸 Unicode 的方案。

UTF-16 分高位在前(LE)與高位在後(BE);官方還有 UTF-32,同樣分 LE 與 BE;非官方的 UTF-7 主要用於郵件傳輸。UTF-8 的單位元組部分與 ISO-8859-1 相容,這是因為舊系統與舊函式庫無法正確處理 UTF-16;對英文內容也更省空間,代價是非英文內容會多佔位元組。在 ISO-8859-1 時代兩者都用一個位元組表示,遇到其他字元時 UTF-8 才會改用兩個或三個位元組。

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