asp.net亂碼深度剖析

寫在前面

在Web開發中，亂碼應該算一個常客了。今天還好好的一個頁面，第二天過來打開一看，中文字符全變“外星文”了。有時為了解決這樣的問題，需要花上很長的時間去調試，直至抓狂，筆者也曾經歷過這樣的時期。有時雖然是“僥幸”解決了，但對其中的原理卻一知半解。

為了弄清楚這個問題，今天查了大半天的資料、測試?，F把這些點滴記錄下來，以激勵自己重視基礎，同時和大家分享一下，望大家不吝批評指正。

預備知識

先介紹一些字符編碼方面的基本知識，如果你對這些已經比較了解了，請直接跳過此節。

1. 字符集與字符編碼概述

簡單來說，字符集就是與特定區域相關的一系列有效字符的有序集合，比如字母、數字、標點符號等。注意關鍵字“有序”，表明集合中的每一個字符都是具有唯一數字編號（碼值）的。不同國家使用的語言文字、符號不一樣，相應的字符集必定也不一樣。比如中國使用漢字，美國使用英語，韓國使用韓文，等等。

字符集是為了信息交互而設計的，最終還是要轉化成計算機的表示法。我們知道，計算機只認識0和1，它對字符集符號不感冒。所以，我們必須想辦法把字符轉化為0和1的序列。我們知道，計算機最小的存儲單位是位（bit），程序中一般使用的最小單位是字節（byte）。為了把字符存儲到計算機中，我們就要考慮用幾個byte幾個bit，考慮每一個bit上是0還是1，考慮存儲和讀取效率，并且必須兼顧整個字符集，這就是字符編碼。

一句話，字符集只關心字符的定義，而字符編碼負責字符的存儲和讀取細節。用三層模式來打比喻的話，字符集是模型層，而字符編碼是業務層。注意：一般常說的GB2312、GBK等其實同時包含了這兩方面的定義

2. 常用中文字符編碼簡介

GB2312

GB2312的全稱是《信息交換用漢字編碼字符集-基本集》,由國家標準總局于1980發布，1981年5月1日施行，中國大陸、新加坡使用此編碼?；炯珍浟?763個漢字，只能顯示簡體漢字。

GBK

1995頒布，全稱是《漢字編碼擴展規范》。在GB2312的其他上，增加了繁體漢字，支持ISO/IEC 10646-1 和GB-13000-1的全部中、日、韓（CJK）字符，共20902個。向下兼容GB2312。

GB18030

全稱是《信息交換用漢字編碼字符集基本集的擴充》，目前兩個版本，分別于2000年和20005年頒布。該字符集收錄了70000多個漢字，包括了藏、蒙古、維吾文等少數民族字符，是我國計算機系統必須遵循的基礎性標準之一。向下兼容GBK和GB2312。

BIG5

臺灣和港臺地區使用的漢字編碼，俗稱“大五碼”，共收錄了13060個漢字。

UTF-8

這是目前使用最多的一種Unicode編碼，是Visual Studio內置的編碼，相信大家一定都不陌生。根據字符碼值的不同，可能用1、2、3個字節表示。

注意，編碼之間一般都不是兼容的。其它編碼在此不作介紹，若想進一步了解字符編碼，請看我收藏的一篇文章：http://blog.csdn.net/tomysea/article/details/6712344

3. 字符串、字符數組和字節數組

C#中的字符串(string)和字符(char)其實都是對象，他們有相應的類String和Char，string和char只是這兩個類的一別名而已，內部都是采用Unicode碼值表示。請注意我說的是碼值，不是編碼。

我們已經知道，Unicode的字符大多是多字節表示的，那么一個char就得用幾個byte來表示。這里我要說的重點是，使用不同的編碼表示字符串，其對應的byte可能是不一樣的。請看下面的代碼，注意輸出字節數部分。UTF-8編碼的字節數是22，而GB2312編碼的字節數是16。

string title = "2012真的來了嗎？"; //字符串

char[] chars = title.ToCharArray(); //字符數組

byte[] bytes = System.Text.Encoding.UTF8.GetBytes(title);

Response.Write(chars.Length + " "); //10 （字符數）

Response.Write(bytes.Length + " "); //22 （UTF-8編碼的字節數）

bytes = System.Text.Encoding.GetEncoding("GB2312").GetBytes(title);

Response.Write(bytes.Length + " "); //16 （GB2312編碼的字節數）

從http請求響應模型說起

http是一個請求/響應的模型，這個我們大家都知道。http請求可以分為請求頭和請求實體兩部分，相應地http響應也可以分為響應頭和響應實體。請求頭或響應頭是瀏覽器與Web服務器通信用的（假定用瀏覽器訪問Web服務器），而實體則是實際發送的數據，比如Form表單的數據、Ajax提交的數據、傳回來的html代碼等。不管是瀏覽器還是Web服務器，在發送實體前都會把它轉換為字節流。明白這一點很重要，因為涉及字節流就一定會與字符編碼有關。

從上面的請求響應模型中我們可以得出一個結論：請求和響應編碼必須嚴格保持一致！為什么呢？這很好理解，瀏覽器和Web服務器是要通信的，如果編碼不一樣的話，勢必會造成許多“誤解”。假設瀏覽器是中國人（不懂E文），而Web服務器是美國人，他們兩個的“編碼”（語言）不一致，悲催的結局不言而喻。

ASP.NET中請求響應編碼的設置

你可以在machine.config或web.config文件指定全局配置，也可以在頁面級特別指定。如果你未手動指定且machine.config中也為空，則默認會讀取計算機上“區域選項”中的設置。

1. 全局配置

在machine.config或web.config文件（根目錄或者子目錄都有效）中的system.web節點中配置globalization節點。如果在根目錄下的web.config配置，則會響應整個網站，若只是在子目錄下配置，則只會響應該目錄及其子目錄。 詳細配置如下：

<system.web>

<globalization fileEncoding="utf-8" requestEncoding="utf-8" responseEncoding="utf-8"/>

<!--按順序是：文件編碼 請求編碼 響應編碼-->

<!—-fileEncoding會在后面說到-->

<!--后面還有其它配置-->

2. 頁面級的配置

在aspx頁面的Page指令中設置響應編碼

<%@ Page Language="C#" AutoEventWireup="true" ResponseEncoding="utf-8"

CodeBehind="byte.aspx.cs" Inherits="DevKit.Web.test.charset._byte" %>

在aspx頁面中手動指定meta標簽

<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />

在后臺cs文件中配置

Request.ContentEncoding = System.Text.Encoding.UTF8; //請求編碼

Response.ContentEncoding = System.Text.Encoding.UTF8; //響應編碼 接下來，我們從幾個示例中去體驗亂碼，從而總結出解決亂碼的一般方法。

測試環境

操作系統：Windows xp PRofessional SP3 雨林木風版

開發環境：Visual Studio 2008 專業版 + SP1（.NET 3.5）

Web容器：VS集成的Development Server

瀏覽器：IE8 、Firefox 5

實例分析與研究

實例1 aspx頁面提示意外的字符“XXX”，引號里面是亂碼

背景

網站配置了在根目錄配置了文件、請求、響應編碼都為utf-8，頁面成功編譯，沒有任務錯誤。詳細錯誤見下圖：

html代碼

<div>

aspx頁面中的中文

<br />后臺的中文變量：<em><%=汽車%></em>

</div>

后臺代碼

view plain

public partial class _byte : System.Web.UI.Page

{

protected string 汽車= "我是凱迪拉克"; //別懷疑，中文變量是可以的：）

protected void Page_Load(object sender, EventArgs e)

{

//...

}

}

分析與解決

既然web.config已經配置了一樣的請求響應編碼，而且頁面級別也沒設置，可以排除這方面的問題了。注意到文件編碼是UTF-8，會不是會文件編碼引起的呢？（提示：這里的文件編碼指的是保存文件時指定的編碼，點擊“另存為&hellip;”，在彈出的窗口中選擇“編碼保存”可以看到）。果然，此aspx頁面的保存編碼為GB2312，與web.config文件不一樣，把它修改為UTF-8。

小提示：UTF-8有兩種編碼：UTF-8（帶簽名）和UTF-8（無簽名）。帶簽名的UTF-8會在文件的開頭寫入“EF BB BF”（16進制），以標示自己采用的編碼格式，這個標志稱為BOM（Byte Order Mark）,即字節序。打個比方，UTF-8（帶簽名）戴了?；盏膶W生，就算不認識他的人，一看?；站兔靼琢?；而UTF-8（無簽名）則是沒戴?；盏?。這里的?；站褪俏覀冋f的BOM，一個能夠表明自己身份的標志。

小結

這是因為文件的保存編碼與當前網站指定的文件編碼不一致引起的，所以最佳實踐是：手動在web.config中指定文件編碼，并確保所有頁面的保存編碼與web.config一致。

其實最容易出這種問題的是js和CSS文件，如果你用其它工具（比如Dreamweaver）來編寫這些文件卻采用不同的編碼保存，一旦文件包含中文就可能出這樣的錯誤，導致js腳本錯誤，css無效！

實例2 跨頁post提交時接收的Form數據變成了亂碼

背景

有兩個頁面，注冊頁面（register.html）和處理注冊的頁面（handle.aspx），注冊頁面的表單信息以post方式提交到handle.aspx。根目錄的配置的文件編碼、請求編碼和響應編碼都是UTF-8。

register.html頁面的關鍵html

<head>

<title></title>

<meta http-equiv="Content-Type" content="text/html;charset=gb2312" />

</head>

<body>

<form id="form1" name="form1" action="handle.aspx" method="post">

<input type="text" id="txtName" name="txtName" />