会员登录
不同平台下UCS-2 转换成其他字符集的问题
来源:互联网 作者:未知 时间:2009-08-26 19:04:23 点击:104800 评论:0
本文地址:http://pslib.com/index.php?mod=skill&action=detail&id=43896 [复制]

今天发现公司两台linux服务器输入编码转换结果不一样,看根本基本相同,找不出原因,搜索资料发现可能是指定的编码在不同系统下理解不同。

UCS-2会随系统变化。UCS-2BE和UCS-2LE分别指定的类型,我发现主要是高8位和低8位互换了。

$str = iconv("UCS-2","gb2312",$str)

上面这个字符串在windows和linux下得到的结果是不一样的

原因参考:两个平台 UCS-2 编码的潜规则 

解决方案:告诉Linux,潜规则应该变一变啦

$str = iconv("UCS-2BE","gb2312",$str);

=============================

以下是有关两个平台 UCS-2 编码的潜规则
以下是有关两个平台 UCS-2 编码的潜规则:
1, UCS-2 不等于 UTF-16。 UTF-16 每个字节使用 ASCII 字符范围编码,而 UCS-2 对每个字节的编码可以超出 ASCII 字符范围。UCS-2 和 UTF-16 对每个字符至多占两个字节,但是他们的编码是不一样的。

2, 对于 UCS-2, windows 下默认是 UCS-2LE。用 MultibyteToWidechar(或者A2W)生成的是 UCS-2LE 的 unicode。windows记事本可以将文本保存为 UCS-2BE,相当于多了层转换。

3, 对于 UCS-2, linux 下默认是 UCS-2BE。用iconv(指定UCS-2)来转换生成的是 UCS-2BE 的 unicode。如果转换windows平台过来的 UCS-2, 需要指定 UCS-2LE。

4, 鉴于windows和linux等多个平台对 UCS-2 的理解不同(UCS-2LE,UCS-2BE)。MS 主张 unicode 有个引导标志(UCS-2LE FFFE, UCS-2BE FEFF),以表明下面的字符是 unicode 并且判别 big-endian 或 little-endian。 所以从 windows 平台过来的数据发现有这个前缀,不用慌张。

5, linux 的编码输出,比如从文件输出,从 printf 输出,需要控制台做适当的编码匹配(如果编码不匹配,一般和该程序编译时的编码有若干关系),而控制台的转换输入需要查看当前的系统编码。比如控制台当前的编码是 UTF-8, 那么 UTF-8 编码的东西能正确显示,GBK 就不能;同样,当前编码是 GBK, 就能显示 GBK 编码,后来的系统应该更智能的处理好更多的转换了。不过通过 putty 等终端还是需要设置好终端的编码转换以解除乱码的烦恼。

最新评论
共有 0 位网友发表了评论