網頁UTF8轉換GBK后出現問號"?"的原因

?網頁編碼轉換是進行網頁解析和處理的第一步。

互聯網上越來越多的網頁采用UTF-8編碼，UTF-8用1到6個字節編碼UNICODE字符，收錄了超過10萬個字符，BMP部分也有六萬多個字符

?

而在進行編碼轉換時，我們往往需要轉換為GBK編碼進行后續處理，很多網頁在轉換后，會發現出現大量連續的問號:????????

這些惡心的問號是在編碼轉換階段引入的，原因是：

?

GBK字符集只收錄了兩萬多個字符，比UTF-8的字符數量少得多。

轉化到GBK編碼的時候，就會有編碼落到GBK字符集以外，不能轉化成GBK編碼。這部分字符在轉換之后的字符串中都變成了’?’

?

UTF-8：采用變長字節 (1 ASCII, 2 希臘字母和排版字符, 3 漢字等多字節東亞語言, 4 平面符號和特殊符號等)，

其中雙字節字符中有一些沒有在GBK字符集中，通常來說UTF-8無法識別的字符都是非常生僻的字符，幾乎難以遇到，可不用考慮；但有一個字符非常特殊：C2A0

?

C2A0是UTF8里的排版用空格（區別于ASI =20的空格），這個特殊的字符（unicode序號為0xA0），不在GBK字符集中。卻頻繁用于xml/html等格式的文件中。大量UTF-編碼的網頁使用這個字符用作占位的空格。而且不同瀏覽器對它的處理方式不同：IE瀏覽器識別出該符號并以空格顯示，firefox則替換為xml轉義字符   當網頁中用C2A0進行文字排版時，我們對網頁進行編碼轉換為GBK時就會出現很多"？"問號

?

一個簡便的方案為，在網頁轉碼前，進行過濾：

if(code_type == "UTF8")

{

?? str = str.replace('C2A0', ' ');

}

總結

以上是生活随笔為你收集整理的网页UTF8转换GBK后出现问号?的原因的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。