前些日子,公司发邮件周刊,部分使用Windows English OS 的人反映,他们Outlook收到的是乱码,才意识到自己使用的是GB2312编码,而非国际ISO标准的UTF-8,马上改进,用Microsoft OS 自带的Notepad 直接另存为UTF-8编码,然后PHPMailer 测试发送给自己! 我靠,NND,什么东西,超级乱码,以为自己在PHPMailer里的编码设置错了,立刻检查!发现没错,多次更改测试,还是不可以! 怀疑编辑器有问题,立刻更换更强悍的UltraEdit,果然, 是Notepad另存为的时候,自动生成了BOM码在里面,我靠………. …………..
今天,在喜悦村(www.phpx.com)闲逛,看到一位仁兄的帖子,谈到了PHP中UTF-8的问题,哈,正好拿来复习复习,多谢这位仁兄了啊!以下是部分内容!
导言:
关于UTF-8
UTF-8是unicode编码的扩展（也可以说是子集：Unicode Translation Format），由Ken Thompson于 1992年创建，只要将某个字符的unicode编码一一插入相应的空位（刚好有16个空位）就可以成为一个UTF-8编码! 详情见(http://hi.baidu.com/itezone/blog/item/8d9ca35200c18b0c0df3e336.html)
关于 BOM (浏览器对象模型（Brower Object Model）)
这里有,我不敖述了!http://baike.baidu.com/view/126558.htm
UNICODE,GBK,UTF-8区别
http://www.phpchina.com/42113/viewspace_16547.html
言规正传
1、编辑器：
不要使用任何微软的编辑器，什么Frontpage，Web Designer，记事本，写字板什么的，能丢的全部丢开，因为这些编辑器会在你的UTF-8文档前面产生BOM，关于BOM的具体说明，可以在 这里 找到，当初我直接拿记事本转UTF-8覆盖原文件，造成………….，至今记忆犹新。
2、MySQL数据库：
注意建库，建表，建字段（注意有三处）的时候，都要选用utf8_general_ci的整理格式（Collation），在PHP使用mysql_connect()函数连接数据之后，需要加上一句：
mysql_query(‘set names “utf8″‘);
3、PHP：
使用mbstring库，不要使用iconv库。
使用preg而不要使用ereg来处理字符。
使用htmlentities()函数，html_entity_decode()函数的时候要带上第三个参数：
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> <?php $str = "<a href='test'>中文</a>"; echo htmlentities($str,ENT_COMPAT,"UTF-8"); //显示（源代码里面） <a href='test'>涓枃</a> echo html_entity_decode(htmlentities($str,ENT_COMPAT,"UTF-8"),ENT_COMPAT,"UTF-8"); // 显示（源代码里面） <a href='test'>中文</a> ?>
这里再给出一个匹配UTF-8中文字符的正则表达式：
<meta http-equiv="Content-Type" Content="text/html; charset=utf-8">
<?php
$word = "中文";
if (preg_match("/^([".chr(228)."-".chr(233)."]{1}[".chr(128)."-".chr(191)."]{1}[".chr(128)."-".chr(191)."]{1}){1}/",$word) == true || preg_match("/([".chr(228)."-".chr(233)."]{1}[".chr(128)."-".chr(191)."]{1}[".chr(128)."-".chr(191)."]{1}){1}$/",$word) == true || preg_match("/([".chr(228)."-".chr(233)."]{1}[".chr(128)."-".chr(191)."]{1}[".chr(128)."-".chr(191)."]{1}){2,}/",$word) == true)
{
echo "很好，这是一个UTF-8编码的汉字";
}
else
{
echo "抱歉，这不是一个UTF-8编码的汉字";
}
?>
4、HTML：在
标签对里面加上<meta http-equiv="Content-Type" Content="text/html;charset=utf-8" />
5、JS：JS的问题比较复杂，如果直接将文件存为UTF-8的编码，那么当用户在直接用浏览器访问这个页面的时候（也许某些程序员会这么做），浏览器可能会使用其它的编码去读取这个文件而造成其中的UTF-8中文乱码，当然，这并不会影响到程序的运行。在加载JS的时候，可以说明一下载入JS的编码，当然，如果已经在HTML头里面声明了编码，这里就不是必须的了：
JS要注意的另一个问题是他的escape()函数，在ECMAScript v3中，escape( ) 会被剔除，建议使用encodeURI( )和encodeURIComponent( )。这可以帮助你远离escape()函数引起的乱码问题。
6、CSS：在CSS文件的头部加上这行代码：
@charset “UTF-8″;
7、URL：为了让URL变得更为友好，许多PHP程序员喜欢让URL显示文字而不是URL编码，目前较为合理的解决方案是将GET方法发送的数据转为GBK编码，然后再接受这些数据，如果你希望使用UTF-8直接友好的GET数据，你会在使用PHP的$_GET数组时遇到一些问题。
8、Email：使用UTF-8编码的字符发送邮件，也是一件让人头疼的事情，理想的方法是将编码转变为GBK，然后再发送。
9、Ajax：使用POST的方式发送数据，不要使用GET的方式，不然无法成功发送部分UTF-8中文字符。
没有看懂你那是怎么匹配UTF-8中文的，前段时间偶JAVA里也遇见乱码问题
俺同学的一个波导什么型号的手机，看小说的时候没有乱码，很一致，都是小方块！
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class FindChinese
{
public static void main(String[] args)
{
String f = “欢迎welcome to光临 wmdly,纯音乐部落，www.chunmusic.cn,谢谢!”;
Pattern p = Pattern.compile(“[\\u4E00-\\u9FFF]+”);
Matcher matcher = p.matcher(f);
StringBuffer sb = new StringBuffer();
while (matcher.find())
{
sb.append(matcher.group());
}
System.out.println(sb);
}
}
==================================
Pattern p = Pattern.compile(“[\\u4E00-\\u9FFF]+”);
这个貌似也能匹配中文，不晓得和中文UTF-8匹配有什么区别。
==================================
国际化问题确实有很多让人郁闷的地方
不过用UTF-8，再加上资源文件，貌似什么问题都没有哦
比如
把中文弄成这个样子\u9648\u9a70\u554a\uff1f\u8fd8\u597d\u554a\uff1f
o(∩_∩)o…哈哈^_^鲁班门前刷大斧头了哦啊哈…………
哈,JAVA 没学过,大体看了下,你这个是匹配中文的吧! 呵呵, \\u4E00-\\u9FFF 是中文字符 在unicode编码中编码中的 区间 啊! 哈,你太谦虚了,会发胖的!
哈,这里说的很详细,我也是摸石头过河啊, 嘿嘿!
PHP里面也可以这样匹配中文的啊