這是一個光看現象完全想不到原因、找到原因之後又會拍額頭的問題。
使用者回報:網站上的表單提交到查詢系統之後拿不到返回值,查詢結果顯示 0 筆記錄。但把同一份表單存成純本機 HTML 檔、在瀏覽器裡直接打開執行,卻能正常搜到資料。
自己驗證之後確認屬實。進一步比對兩邊 GET 送出的參數:參數個數相同、名稱相同,唯一的差異在於某幾個欄位的值看起來不一樣——中文部分在網址列裡呈現的百分號編碼序列不同。
到這裡,編碼問題的可能性就浮上來了。
分別打開兩個檔案檢查編碼宣告,果然不一致:本機那份是 UTF-8,而伺服器端處理查詢的頁面是 GB2312。UTF-8 編碼的中文位元組序列被送到一個預期 GB2312 的解析器那裡,自然解不開,比對資料庫時永遠匹配不上,於是回傳 0 筆。
瀏覽器在送出表單時,預設會採用頁面自身的編碼來編碼欄位內容。所以問題不在表單,而在頁面宣告與伺服器預期之間的落差。
HTML 的 <form> 標籤上有一個鮮為人使用的屬性,正好能解決這件事:
accept-charset="gb2312"
它的作用明確:告訴瀏覽器,這個表單的內容請用指定編碼來編碼後再送出。於是即使頁面本身是 UTF-8,送出時也會轉成 GB2312,伺服器端就能正確解析了。
加上這個屬性之後,問題在標準瀏覽器上迎刃而解。
麻煩的是,IE 對 accept-charset 的支援並不完整。於是只能退一步,在表單的 onSubmit 裡動手腳:
onsubmit="document.charset='gb2312';"
這行的意思是,在表單即將提交的那一刻,把文件的 charset 屬性改為 gb2312。IE 會依據文件当前的 charset 來編碼表單內容,因此藉由在提交前臨時切換,達到了與 accept-charset 相同的效果。兩者並用之後,問題徹底解決。
第一,編碼問題的線索往往在「哪裡能跑、哪裡不能跑」的對比上。同一份代碼在不同環境表現不同,幾乎總是環境差異造成的——編碼、路徑、權限、瀏覽器版本。逐項比對環境變數,比盯著代碼看有效得多。
第二,中文亂碼的排查順序是固定的。先看頁面的 <meta charset> 與 HTTP 回應標頭的 Content-Type 是否一致,再看表單送出的編碼,最後看伺服器端以什麼編碼解讀。這三段中任何一段錯位都會亂碼,而 GET 參數的編碼尤其容易被忽略——畫面上顯示正常,不代表位元組層級是對的。
第三,與其 hack 還不如統一編碼。accept-charset 加 document.charset 是無奈之舉,正解是把整個系統的編碼統一為 UTF-8:頁面宣告、資料庫連線與欄位排序規則、伺服器端字串處理全部對齊。UTF-8 在 ASCII 範圍內與 GB2312 相容,也能完整涵蓋中文擴充字元,是結束這類問題的終局方案。若確實有歷史系統無法升級,才需要退而使用這類針對特定瀏覽器的補丁,並且務必在程式碼裡註記清楚原因,否則後人看到 document.charset 這行只會一頭霧水。