代码之家 › 专栏 › 技术社区 › David

何时实际应用字符编码?

character-encoding validation http php

David · 技术社区 · 9 月前

存在许多描述字符编码最佳实践和比特序列的资源,但如果没有内容旅程的准确地图,我很难理解和应用它们。

我知道如何告诉我的代码编辑器以UTF-8保存文件。
我知道如何在HTML中包含字符编码元标记。
我知道如何为表单声明字符编码。

但我的思维模式缺少了很多步骤!

我附上了一张图表来说明。紫色是服务器;红色是浏览器;绿色是操作系统(图中为Windows XP,但可以是任何东西)。

PHP在响应中发送什么 (体内)?
- 它是否发送了从我的代码编辑器中收到的内容,并假设回显的字符是有效的?
- 它是否使用我告诉它我写文件时使用的编码进行回声?
- 它是否采用标准化的HTTP编码?
当客户端浏览器接收到服务器数据时 ,是不是。。。
- 是否扫描响应标头中的字符编码值?
- 假设一个标准化的HTTP编码,直到它到达我的元标签?(如果找到,它会重新解码之前的内容吗?)
- 输出 确切地 它依靠用户操作系统来处理编码,收到了什么?
何时应用表单字符编码? (见下文)
用户数据是如何通过键盘输入表单的?
- 操作系统编码(就像浏览器为操作系统输入和显示自己的数据打开了一扇小门)
- 浏览器编码(以特定于浏览器的格式存储操作系统按键)
- 表单编码(将操作系统字符转换为表单的声明编码)
- HTML文档编码(将操作系统字符转换为元标记中的编码)
浏览器向服务器发布什么?
- 未修改的用户数据(取决于#4,但可能是原始操作系统编码)
- 以声明的编码形式编码的用户数据
- 使用HTML元标签编码的用户数据
- 标准化HTTP编码的用户数据
当服务器将数据读回PHP时 ,是不是。。。
- 从标准化的HTTP编码解码为PHPs运行时编码
- 根据请求标头中声明的编码解码
- 未修改的用户数据(完全依赖开发人员处理任何冲突)

1 回复 | 直到 9 月前

deceze 9 月前

我认为你的思维模式可能缺少的一个重要部分是字节和人物在不同的步骤和不同的级别,文本要么被视为不透明、无意义的字节,要么计算机将文本感知为人物 .

当计算机将文本视为字符时,它将以某种形式的字节表示存储在内存中,是的,但这是一个无关的实现细节,不同程序在内存中的表示方式可能不同。重要的是,计算机知道“is”,并且可以在任何时候以任何有效的编码生成这些字符的字节表示。

浏览器

浏览器是 角色感知 。浏览器内部发生任何事情时,都会将文本视为文本。当它从服务器获取任何文件时, it looks at the HTTP headers or other fallback indicators 为了找出该文件的编码方式,从该编码中解码出来,并将所有文本视为已知的特定字符。

在表单中输入文本时,操作系统会处理底层细节,包括从键盘接收按键代码,通过所选键盘布局映射这些代码,可能涉及用于文本转换的IME(例如enterè),并向浏览器提供人物 .

当需要将这些字符发送到服务器时,浏览器会根据表单等各种因素确定需要使用什么编码 accept-encoding 属性或回退,如网站确定的编码。然后,它将文本表示为该编码中的字节。此时,如果目标编码不能表示字符,则可以用HTML实体替换字符。然后,它可能会对这些字节应用另一种传输编码,如URL百分比编码。然后将其发送到服务器。

PHP

默认情况下,PHP不会对编码做任何事情。它不支持文本,并将所有数据视为无意义的字节。因此,您必须确保在代码中知道任何接收到的文本的编码方式,并相应地处理它。PHP 将解码URL百分比编码以进行填充 $_GET 和 $_POST ,但这些变量将仅包含已解码的传输字节 ,而不是文本。

无论你从PHP输出什么,都会按原样输出。这取决于它来自哪里。来自磁盘上(源代码)文件的任何内容都取决于它在文本编辑器中的保存方式。来自数据库的任何内容都取决于您如何建立数据库连接;数据库通常是文本感知的,将以您请求的编码为您提供文本,您可以对其进行配置。通常最好 ensure everything is in UTF-8 all the way .

PHP和/或web服务器应确保输出正确的标头,这些标头正确地表示您输出的内容的编码方式,以便浏览器能够正确地确定它。