utf-8下中文传参乱码【80码求解】

[yeyuxuan2006]

测试地址：http://www.dazhongcai.com/test/index.php?cs=我爱中国
问题是这样的，

我直接打开http://www.dazhongcai.com/test/index.php?cs=我爱中国，$_GET['cs']是乱码的。
而从<a href="?cs=我爱中国">我爱中国中文链接</a>点击打开，$_GET['cs']却是正常的。

网上说有用iconv,用后结果变成：
我直接打开http://www.dazhongcai.com/test/index.php?cs=我爱中国，$_GET['cs']是正常的。
而从<a href="?cs=我爱中国">我爱中国中文链接</a>点击打开，$_GET['cs']却是乱码的。

utf-8 下这个就没有解决的办法了吗？

[foolbirdflyfirst]

判断编码可以，只能根据大概的编码格式，碰到编码之间的交集部分，就很有可能出错，但也不妨试下．
mb_detect_encoding在这种情况下是用不了的．
utf-8中文一般三个字节,使用对应的unicode模版为
1110xxxx 10xxxxxx 10xxxxxx
x为unicode编码，所以中文utf-8第一个字节的首４位必为16进制的e,第一个字节范围就是e0 - ef
尝试下面的代码

<?php
header('Content-Type:text/html;charset=utf-8');
$k = '我爱中国';
if(!preg_match("/[\xe0-\xef][\x80-\xbf]{2}/",$_GET['c'])){
	//找不到utf-8编码的文字就默认为GBK,当然你可以参考gbk的编码格式，做更详细的判断
	echo iconv("GBK","UTF-8",$_GET['c']);
}
else
	echo $_GET['c'];
echo "<a href='?c={$k}'>我爱中国</a>";
?>

存为utf-8无bom头文件，然后做下测试.

[ms_X0828]

网上说有用iconv,用后结果变成：
我直接打开http://www.dazhongcai.com/test/index.php?cs=我爱中国，$_GET['cs']是正常的。
而从 <a href="?cs=我爱中国">我爱中国中文链接 </a>点击打开，$_GET['cs']却是乱码的。



楼主你不会都对 我爱中国 进行了iconv 吧？
只对http://....用不就对了吗？
在对<a href="..">时不用iconv不就对了吗

[foolbirdflyfirst]

为什么每天都有编码的问题。。。

你搞清楚什么时候这个"我爱中国"是什么样的编码的就行了。
比如你那个链接，明显是GBK编码的，因为urlencode后为8个 %16进制,正好2个字节一组表示一个中文，而中文在utf-8编码下基本都是3个字节的

[llj480028]

楼上高人呀！学习了！

[yeyuxuan2006]

[Quote=引用 6 楼 foolbirdflyfirst 的回复:]
为什么每天都有编码的问题。。。

你搞清楚什么时候这个"我爱中国"是什么样的编码的就行了。
比如你那个链接，明显是GBK编码的，因为urlencode后为8个 %16进制,正好2个字节一组表示一个中文，而中文在utf-8编码下基本都是3个字节的
[/Quote]
这是那个测试页的源码 http://www.dazhongcai.com/test/index.php?cs=我爱中国

echo "直接接收：".$_GET["cs"]."<br />";
echo "Icov转换的:".iconv("GBK","utf-8",$_GET["cs"])."<br/>";

不是这很明白你的解决方法。。。望指点!

[axolo]

用好urlencode和urldecode

[lgzxz999]

[Quote=引用 9 楼 axolo 的回复:]
用好urlencode和urldecode
[/Quote]
支持,解决了也没用,传中文不是直接这么传的

[yeyuxuan2006]

[Quote=引用 9 楼 axolo 的回复:]
用好urlencode和urldecode
[/Quote]
我直接打开这个链接，那怎么去进行urlencode?
http://www.dazhongcai.com/test/index.php?cs=我爱中国

[foolbirdflyfirst]

我觉lz你的问题是需要区分文件物理编码和页面编码

比如我有个index.php文件，它的编码是gbk，那么index.php内的"我爱中国"这4个字就是以gbk编码存储到你的操作系统的。
好了，这个时候，你指定了页面的编码
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
这个意思就是浏览器发送请求头到index.php,获取返回内容后，浏览器希望用utf-8编码去识别这个"我爱中国".
但是返回内容是按照它实际物理编码获取到的，所以获取到的"我爱中国"(实际为GBK编码).
这时候就发送乱码行为了。用utf-8编码去读gbk编码的东西，岂不是鸡同鸭讲？
要么你把"我爱中国"这个获取到的内容进行转码，从gbk转到utf-8，要么指定浏览器用gbk编码去识别获取到的数据。

[yeyuxuan2006]

[Quote=引用 12 楼 foolbirdflyfirst 的回复:]
我觉lz你的问题是需要区分文件物理编码和页面编码

比如我有个index.php文件，它的编码是gbk，那么index.php内的"我爱中国"这4个字就是以gbk编码存储到你的操作系统的。
好了，这个时候，你指定了页面的编码
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
这个意思就是浏览器发送请求头到index.php,获取返回内容后，浏览器希望用utf-8编码去识别这个"我爱中国".
但是返回内容是按照它实际物理编码获取到的，所以获取到的"我爱中国"(实际为GBK编码).
这时候就发送乱码行为了。用utf-8编码去读gbk编码的东西，岂不是鸡同鸭讲？
要么你把"我爱中国"这个获取到的内容进行转码，从gbk转到utf-8，要么指定浏览器用gbk编码去识别获取到的数据。

[/Quote]
大概明白你的意思了，你的意思是说如果要直接转递"我爱中国"在url中是不行的。除非页面是gb2312，或者gbk? ；utf-8 是行不通的？

[foolbirdflyfirst]

[Quote=引用 13 楼 yeyuxuan2006 的回复:]
引用 12 楼 foolbirdflyfirst 的回复:
我觉lz你的问题是需要区分文件物理编码和页面编码

比如我有个index.php文件，它的编码是gbk，那么index.php内的"我爱中国"这4个字就是以gbk编码存储到你的操作系统的。
好了，这个时候，你指定了页面的编码
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
这个意思就是浏览器发送请求头到index.php,获取返回内容后，浏览器希望用utf-8编码去识别这个"我爱中国".
但是返回内容是按照它实际物理编码获取到的，所以获取到的"我爱中国"(实际为GBK编码).
这时候就发送乱码行为了。用utf-8编码去读gbk编码的东西，岂不是鸡同鸭讲？
要么你把"我爱中国"这个获取到的内容进行转码，从gbk转到utf-8，要么指定浏览器用gbk编码去识别获取到的数据。


大概明白你的意思了，你的意思是说如果要直接转递"我爱中国"在url中是不行的。除非页面是gb2312，或者gbk? ；utf-8 是行不通的？
[/Quote]
其实不是说url传递"我爱中国"不行，而是你得知道这时候传递的这个"我爱中国"是什么样的编码，到了具体url里$_GET到的"我爱中国"，浏览器又是用什么编码去读的。如果编码不一致，就肯定乱码了。
其实你保证你的index.php文件编码也是utf-8就行了？
urldecode函数有注入漏洞，我现在不敢用了。

[yeyuxuan2006]

[Quote=引用 14 楼 foolbirdflyfirst 的回复:]
引用 13 楼 yeyuxuan2006 的回复:
引用 12 楼 foolbirdflyfirst 的回复:
我觉lz你的问题是需要区分文件物理编码和页面编码

比如我有个index.php文件，它的编码是gbk，那么index.php内的"我爱中国"这4个字就是以gbk编码存储到你的操作系统的。
好了，这个时候，你指定了页面的编码
  <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
这个意思就是浏览器发送请求头到index.php,获取返回内容后，浏览器希望用utf-8编码去识别这个"我爱中国".
但是返回内容是按照它实际物理编码获取到的，所以获取到的"我爱中国"(实际为GBK编码).
这时候就发送乱码行为了。用utf-8编码去读gbk编码的东西，岂不是鸡同鸭讲？
要么你把"我爱中国"这个获取到的内容进行转码，从gbk转到utf-8，要么指定浏览器用gbk编码去识别获取到的数据。


大概明白你的意思了，你的意思是说如果要直接转递"我爱中国"在url中是不行的。除非页面是gb2312，或者gbk? ；utf-8 是行不通的？

其实不是说url传递"我爱中国"不行，而是你得知道这时候传递的这个"我爱中国"是什么样的编码，到了具体url里$_GET到的"我爱中国"，浏览器又是用什么编码去读的。如果编码不一致，就肯定乱码了。
其实你保证你的index.php文件编码也是utf-8就行了？
urldecode函数有注入漏洞，我现在不敢用了。
[/Quote]

页面文件的格式也是utf-8(用记事本另存为的)，页面编码指定的也是utf-8。我现在已经没有办法了。

[foolbirdflyfirst]

嗯，那你"我爱中国"是直接写到程序里的吗，还是从另外的地方获取到的？比如说数据库。
还有url中出现中文会自动进行一次转码.所以iconv转$_GET中的gbk数据是有问题的。应该在传参之前转码。

用一个小例子说明问题可能更好理解点。

<?php
header('Content-Type:text/html;charset=utf-8');
$k = iconv("GBK","UTF-8","我爱中国");
print_R($_GET);
echo "<a href='?c={$k}'>我爱中国</a>";
?>

你把以上这段代码存成一个gb2312的文件，然后用浏览器浏览此文件。会发现<a>标签内的"我爱中国"是乱码，就是因为用utf-8去读gbk,然后点击"我爱中国"，会发现$_GET到的是正常的。

[foolbirdflyfirst]

<?php
header('Content-Type:text/html;charset=GBK');
$k = "我爱中国"
//$k = iconv("GBK","UTF-8","我爱中国");
print_R($_GET);
echo "<a href='?c={$k}'>我爱中国</a>";
?>
依然保持gb2312编码文件，一切正常。

然后把文件存为utf-8的，你再试下以下代码
<?php
header('Content-Type:text/html;charset=gbk');
$k = "我爱中国";
$k = iconv("utf-8","gbk", $k);
print_R($_GET);
echo "<a href='?c={$k}'>我爱中国</a>";
?>
这时候，<a>标签内的是乱码，$_GET到的正常，因为进行了正确的转码。

[foolbirdflyfirst]

还有，不要用用记事本另存为utf-8，会默认加个bom头，header函数会出问题，用编辑器，比如editplus,ultraedit.设置下保存文件不加bom头，

[yeyuxuan2006]

"我爱中国"是数据库其中一个分类标签，采用中文的。
页面链接显示是正常的中文参数，因为所有的编码都是一致的utf-8，并且点击相应的链接，中文也可以url传递且正常接收。
现在问题是手工打开包含中文参数的url时（即无父来源页），中文参数就不能获取了。（这种情况在页面gb2312下是没有的）

[yeyuxuan2006]

[Quote=引用 18 楼 foolbirdflyfirst 的回复:]
还有，不要用用记事本另存为utf-8，会默认加个bom头，header函数会出问题，用编辑器，比如editplus,ultraedit.设置下保存文件不加bom头，
[/Quote]
这块之前遇到过这样的问题，页面莫名会多出一行。是不是因为这个？

[foolbirdflyfirst]

[Quote=引用 20 楼 yeyuxuan2006 的回复:]
引用 18 楼 foolbirdflyfirst 的回复:
还有，不要用用记事本另存为utf-8，会默认加个bom头，header函数会出问题，用编辑器，比如editplus,ultraedit.设置下保存文件不加bom头，

这块之前遇到过这样的问题，页面莫名会多出一行。是不是因为这个？
[/Quote]
是的。bom头搞得鬼。
[Quote=引用 19 楼 yeyuxuan2006 的回复:]
"我爱中国"是数据库其中一个分类标签，采用中文的。
页面链接显示是正常的中文参数，因为所有的编码都是一致的utf-8，并且点击相应的链接，中文也可以url传递且正常接收。
现在问题是手工打开包含中文参数的url时（即无父来源页），中文参数就不能获取了。（这种情况在页面gb2312下是没有的）
[/Quote]
这么说实际上你的页面是正常的了。不太清楚"手工打开包含中文参数的url时（即无父来源页），中文参数就不能获取了",手工打开页面是什么意思?程序发送socket连接？

[yeyuxuan2006]

采用判断每个参数的编码类别，是个好方法，能解决问题，但这样的觉得有点别扭。万一参数多了操作就繁杂了。
只有改成gb2312，无奈之举。

[「已注销」]

干嘛gb2312呢，gbk吧:)