Δημιουργήστε μια φόρμα σχολίων

Σχετικά με προβλήματα με την κωδικοποίηση αρχείων

Κατά τη δημιουργία μιας φόρμας σχολίων, συχνά προκύπτουν προβλήματα με την κωδικοποίηση αρχείων, γι' αυτό και το email που φτάνει αποτελείται από υπέροχα τετράγωνα, διαμάντια και άλλα «τρελά πράγματα».

Ας ρίξουμε μια πιο προσεκτική ματιά σε αυτήν την κραυγαλέα παρεξήγηση. Όπως γνωρίζετε, η κωδικοποίηση (charset) είναι μια μέθοδος αναπαράστασης χαρακτήρων για τη μετάδοσή τους. Εξάλλου, κάθε πληροφορία που κυκλοφορεί σε έναν υπολογιστή είναι μια ακολουθία μηδενικών και μονάδων. Η κωδικοποίηση χαρακτήρων αποτελείται από πολλά byte, συνήθως από 1 έως 4. Υπάρχουν πολλές κωδικοποιήσεις και το πρόγραμμα περιήγησης πρέπει να προσδιορίσει σωστά σε ποια από αυτές είναι γραμμένη η σελίδα του ιστότοπου που ανοίγει.

Στις περισσότερες περιπτώσεις, τα σύγχρονα προγράμματα περιήγησης αντιμετωπίζουν με επιτυχία αυτό το έργο μόνοι τους. Ωστόσο, για να προσδιορίσετε σωστά την κωδικοποίηση, είναι σύνηθες να παρέχετε μια υπόδειξη στον κώδικα HTML χρησιμοποιώντας μια μετα-ετικέτα, για παράδειγμα,
ή
.
.

Οι αρχάριοι σχεδιαστές ιστοσελίδων μερικές φορές πιστεύουν λανθασμένα ότι αρκεί να εισαγάγετε την επιθυμητή μετα-ετικέτα στο επάνω μέρος της σελίδας - και όλα θα πάνε καλά! Είναι μια αυταπάτη. Όπως σωστά έγραψε ο Kozma Prutkov: «Αν δείτε την επιγραφή «Buffalo» σε ένα κλουβί με έναν ελέφαντα, μην πιστεύετε στα μάτια σας». Είναι απαραίτητο όχι μόνο να γράψετε, για παράδειγμα, charset=utf-8, αλλά και να διασφαλίσετε ότι η σελίδα όντως γίνεται με την καθορισμένη κωδικοποίηση.

Ο ευκολότερος τρόπος για να μάθετε την πραγματική κωδικοποίηση μιας σελίδας είναι ανοίγοντάς την σε οποιοδήποτε πρόγραμμα περιήγησης και επιλέγοντας το στοιχείο στο μενού Προβολή - Κωδικοποίηση. Όταν αλλάζετε κωδικοποιήσεις, προσδιορίστε ποια από αυτές θα εμφανίσει σωστά τη σελίδα - αυτή θα είναι η πραγματική σας κωδικοποίηση. Υποδείξτε το στη μετα-ετικέτα. Εάν θέλετε να αλλάξετε την κωδικοποίηση, τότε για να το κάνετε αυτό πρέπει να μεταβείτε στις ρυθμίσεις του προγράμματος με το οποίο δημιουργείτε τον ιστότοπο και να ορίσετε την απαιτούμενη κωδικοποίηση. Για παράδειγμα, στο πρόγραμμα Adobe DreamweaverΓια να το κάνετε αυτό, πρέπει να επιλέξετε μια ενότητα μενού Επεξεργασία - Ρυθμίσεις... - Δημιουργία εγγράφου - Προεπιλεγμένη κωδικοποίηση. Συνήθως χρησιμοποιούνται κωδικοποιήσεις charset=utf-8ή charset=windows-1251.

Σχόλιο: Συνιστάται να τοποθετήσετε τη μετα-ετικέτα που υποδεικνύει την κωδικοποίηση στην αρχή του κώδικα HTML αμέσως μετά την ετικέτα έτσι ώστε το πρόγραμμα περιήγησης να επιλέξει τη σωστή κωδικοποίηση πριν εμφανίσει τον τίτλο της σελίδας (ετικέτα ), που εμφανίζεται στη μπλε γραμμή στο επάνω μέρος του παραθύρου του προγράμματος περιήγησης. Διαφορετικά, αντί για

Ας ανοίξουμε αυτό το αρχείο στο πρόγραμμα περιήγησης

Όπως μπορείτε να δείτε, η κωδικοποίηση εντοπίζεται λανθασμένα από το πρόγραμμα περιήγησης:

Υπάρχουν διάφοροι τρόποι για να διορθώσετε αυτήν την κατάσταση. Ας ξεκινήσουμε με το πιο απλό πράγμα - προσδιορίστε ρητά την κωδικοποίηση για την ιστοσελίδα. Αυτό γίνεται από μια μετα-ετικέτα, η οποία πρέπει να βρίσκεται μέσα στην ετικέτα κεφάλι:

Ας προσθέσουμε αυτή τη γραμμή στο δοκιμαστικό μας αρχείο, ώστε να μοιάζει με αυτό:

Δοκιμή αρχείου για έλεγχο κωδικοποίησης

Όπως μπορούμε να δούμε στο παρακάτω στιγμιότυπο οθόνης, το πρόβλημα επιλύθηκε:

Εάν η κωδικοποίηση του αρχείου σας είναι διαφορετική από UTF-8, στη συνέχεια αντικαταστήστε το με windows-1251ή ένα που ταιριάζει με την κωδικοποίηση της ιστοσελίδας. Για να μάθετε πώς να ανιχνεύετε την κωδικοποίηση αρχείων, ρίξτε μια ματιά.

Αυτός ήταν ο ευκολότερος τρόπος για να διορθώσετε το πρόβλημα κωδικοποίησης - χωρίς να αλλάξετε τις ρυθμίσεις του διακομιστή.

Ας επαναφέρουμε το δοκιμαστικό μας αρχείο στην αρχική του κατάσταση και ας συνεχίσουμε να μελετάμε τρόπους για τον καθορισμό της κωδικοποίησης.

Εάν αρχεία .htaccessενεργοποιημένα από τις ρυθμίσεις Apache, αυτά τα αρχεία μπορούν να χρησιμοποιηθούν για τον καθορισμό της κωδικοποίησης των σελίδων που αποστέλλονται από τον διακομιστή Ιστού. Για να ενεργοποιήσετε την υποστήριξη αρχείων .htaccessστο αρχείο διαμόρφωσης Apache ( /etc/apache2/apache2.conf) βρείτε μια ομάδα γραμμών

Επιλογές Ευρετήρια FollowSymLinks AllowOverride Κανένα Απαιτείται η παραχώρηση όλων

Και αντικαταστήστε το

Allow Override None

Allow Override All

Μετά από αυτό, ο διακομιστής πρέπει να επανεκκινηθεί.

Το Sudo systemctl επανεκκινεί το apache2.service

Αρχείο .htaccessπρέπει να τοποθετηθεί στον ίδιο κατάλογο με τον ιστότοπο. Ο ιστότοπός μου φιλοξενείται στον ριζικό κατάλογο του διακομιστή ιστού. Αν έχετε το ίδιο, τότε τώρα στον φάκελο /var/www/html/δημιουργήστε ένα αρχείο .htaccessκαι προσθέστε την οδηγία σε αυτό AddDefaultCharsetμετά την οποία υποδεικνύεται η επιθυμητή κωδικοποίηση. Παραδείγματα

AddDefaultCharset UTF-8

AddDefaultCharset windows-1251

Μπορείτε να καθορίσετε μια κωδικοποίηση που θα εφαρμόζεται μόνο σε αρχεία συγκεκριμένης μορφής:

AddCharset utf-8 .atom .css .js .json .rss .vtt .xml

Το σύνολο των αρχείων μπορεί να είναι οτιδήποτε, για παράδειγμα:

AddCharset utf-8 .html .css .php .txt .js

Η επόμενη επιλογή είναι μια εναλλακτική και σας επιτρέπει επίσης να ορίσετε την κωδικοποίηση για αρχεία συγκεκριμένου τύπου που απαιτεί να είναι ενεργοποιημένη mod_headers:

Σύνολο κεφαλίδων Content-Type "text/html; charset=utf-8"

Μια άλλη επιλογή που μπορεί επίσης να χρησιμοποιηθεί στο αρχείο .htaccessγια να ορίσετε την κωδικοποίηση UTF-8:

IndexOptions +Charset=UTF-8

Εάν ο ιστότοπος είναι σε PHP, τότε μπορεί επιπλέον να χρειαστεί να αντιγράψετε την κωδικοποίηση με php_value default_charset:

AddDefaultCharset windows-1251 php_value default_charset "cp1251"

Αντί να δημιουργήσετε ένα αρχείο .htaccess, μπορείτε να ορίσετε την κωδικοποίηση στο αρχείο διαμόρφωσης του διακομιστή web. Για το Apache CentOS/Fedora αυτό είναι το αρχείο httpd.conf και στο Debian/Ubuntu αυτό είναι το αρχείο apache2.conf. Προσθέστε την ακόλουθη γραμμή για να ορίσετε την κωδικοποίηση και επανεκκινήστε τον διακομιστή web για να τεθούν σε ισχύ οι αλλαγές:

AddDefaultCharset UTF-8

Πώς να ρυθμίσετε την κωδικοποίηση UTF-8 στην PHP

Στο σενάριο PHP, η κωδικοποίηση έχει οριστεί σε επί κεφαλής, Για παράδειγμα:

Header("Content-Type: charset=utf-8");

Συνήθως, μαζί με την κωδικοποίηση, υποδεικνύεται και ο τύπος περιεχομένου (στο παράδειγμα, η επιλογή για μια σελίδα HTML):

Header("Content-Type: text/html; charset=utf-8");

Μια άλλη επιλογή για ροή RSS:

Header("Content-type: text/xml; charset=utf-8");

Να θυμάστε ότι η συνάρτηση επί κεφαλήςπρέπει να κληθεί πριν από οποιαδήποτε έξοδο στο πρόγραμμα περιήγησης. Διαφορετικά (αν έχει ήδη γίνει έξοδος στο πρόγραμμα περιήγησης), τότε οι κεφαλίδες έχουν ήδη σταλεί. Προφανώς, σε αυτή την περίπτωση δεν είναι πλέον δυνατή η αλλαγή τους. Εάν εξαγόταν ένα μήνυμα σφάλματος στο πρόγραμμα περιήγησης, τότε οι κεφαλίδες έχουν ήδη σταλεί και η χρήση της κεφαλίδας θα προκαλέσει σφάλμα. Για να ελέγξετε εάν οι κεφαλίδες έχουν ήδη αποσταλεί, χρησιμοποιήστε το headers_sent.

Η περιγραφόμενη μέθοδος λειτουργεί μόνο όταν το σενάριο PHP δημιουργεί πλήρως το περιεχόμενο της σελίδας. Θα πρέπει να αποθηκεύσετε στατικές σελίδες (όπως html) σε κωδικοποίηση utf-8. Οι περισσότεροι διακομιστές Ιστού λαμβάνουν υπόψη την κωδικοποίηση του αρχείου και προσθέτουν μια κεφαλίδα ανάλογα. Στην πραγματικότητα, η αποθήκευση ενός αρχείου PHP σε κωδικοποίηση utf-8 θα οδηγήσει στο ίδιο αποτέλεσμα.

Εσφαλμένη κωδικοποίηση των αποτελεσμάτων από τη βάση δεδομένων MySQL

Εάν ο ιστότοπός σας αποτελείται από ένα στατικό μέρος (πρότυπο) και ένα δυναμικό τμήμα, το οποίο σχηματίζεται από δεδομένα που λαμβάνονται από τη βάση δεδομένων, τότε μπορεί να προκύψει μια κατάσταση όταν μέρος του ιστότοπου έχει τη σωστή κωδικοποίηση και ένα άλλο μέρος του ιστότοπου έχει λάθος ένας. Σε αυτήν την περίπτωση, είναι άχρηστο να αλλάξετε τις ρυθμίσεις του διακομιστή web - αφού παρόλα αυτά, μέρος της σελίδας θα έχει λανθασμένη κωδικοποίηση.

Πρέπει να ξεκινήσετε προσδιορίζοντας την κωδικοποίηση των πινάκων σας. Μπορείτε να κοιτάξετε phpMyAdmin:

Προσοχή στη στήλη " Σύγκριση", είσοδος " utf8_unicode_ci" σημαίνει ότι χρησιμοποιείται η κωδικοποίηση UTF-8.

Μπορείτε να συνδεθείτε στο MySQL DBMS και να ελέγξετε την κωδικοποίηση των πινάκων χωρίς phpMyAdmin. Για αυτό:

Mysql -u root -p

Εάν ξεχάσατε το όνομα της βάσης δεδομένων, τότε εκτελέστε την εντολή:

ΕΜΦΑΝΙΣΗ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ.

Ας υποθέσουμε ότι θέλω να αναζητήσω την κωδικοποίηση για πίνακες στη βάση δεδομένων information_schema

USE information_schema;

Εάν ξεχάσατε τα ονόματα των τραπεζιών, εκτελέστε:

ΕΜΦΑΝΙΣΗ ΠΛΗΡΗΣ ΣΤΗΛΩΝ ΑΠΟ το όνομα_του πίνακα.

Για παράδειγμα:

ΕΜΦΑΝΙΣΗ ΠΛΗΡΩΝ ΣΤΗΛΩΝ ΑΠΟ GLOBAL_STATUS.

Θα δείτε κάτι σαν αυτό:

Βλέπε στήλη Αντιπαραβολή. Στην περίπτωσή μου εκεί utf8_general_ci, είναι σαν utf8_unicode_ci, κωδικοποίηση UTF-8. Παρεμπιπτόντως, αν δεν ξέρετε ποια είναι η διαφορά μεταξύ των κωδικοποιήσεων utf8_general_ci, utf8_unicode_ci, utf8mb4_general_ci, utf8mb4_unicode_ci, και επίσης ποια κωδικοποίηση να επιλέξετε για τη βάση δεδομένων MySQL, και στη συνέχεια κοιτάξτε.

Τώρα που γνωρίζουμε την κωδικοποίηση (στην περίπτωσή μου είναι UTF-8), κάθε φορά που συνδέεστε στο MySQL DBMS πρέπει να εκτελείτε ερωτήματα διαδοχικά:

ΣΕΤ ΟΝΟΜΑΤΩΝ UTF8 ΣΕΤ ΣΕΤ ΧΑΡΑΚΤΗΡΩΝ UTF8 SET character_set_client = UTF8 SET character_set_connection = UTF8 SET character_set_results = UTF8

Στην PHP αυτό μπορεί να γίνει κάπως έτσι:

$this->mysqli = new mysqli($server, $username, $password, $basename); if ($this->mysqli->connect_error) ( $this->errorHandler_c->logError(1, "Σφάλμα σύνδεσης (" . $this->mysqli->connect_errno . ") " . $this->mysqli->connect_error , $_SERVER ["REQUEST_URI"] ) $this->mysqli->query("SET NAMES UTF8"); $this->mysqli->query("SET CHARACTER SET UTF8"); $this->mysqli->query("SET character_set_client = UTF8"); $this->mysqli->query("SET character_set_connection = UTF8"); $this->mysqli->query("SET character_set_results = UTF8");

σημειώστε ότι UTF8πρέπει να το αντικαταστήσετε με την κωδικοποίηση που χρησιμοποιείται για τους πίνακες σας.

Αλλαγή κωδικοποίησης αρχείων

Εάν αποφασίσετε να πάτε αντίθετα και αντί να εγκαταστήσετε μια νέα κωδικοποίηση, αλλάξτε την κωδικοποίηση των αρχείων σας και, στη συνέχεια, δείτε το άρθρο "". Σας λέει πώς μπορείτε να μάθετε την τρέχουσα κωδικοποίηση των αρχείων και πώς να μετατρέψετε αρχεία σε οποιαδήποτε κωδικοποίηση (όχι μόνο UTF-8).

Πώς να μάθετε τι κωδικοποίηση στέλνει ο διακομιστής

Εάν θέλετε να μάθετε ποιες ρυθμίσεις κωδικοποίησης έχει ο διακομιστής Ιστού (τι κωδικοποίηση στέλνει σε κεφαλίδες), χρησιμοποιήστε την ακόλουθη εντολή:

Curl URL -s -o /dev/null -D /dev/stdout | grep -E "σύνολο χαρακτήρων"

Σε αυτό αντί URLεισάγετε την πραγματική διεύθυνση του ιστότοπου που ελέγχετε. Εάν ο ιστότοπος χρησιμοποιεί HTTPS, τότε καθορίστε τη διεύθυνση τοποθεσίας μαζί με το πρωτόκολλο, για παράδειγμα

Curl https://softocracy.ru -s -o /dev/null -D /dev/stdout | grep -E "σύνολο χαρακτήρων"

Ποια κωδικοποίηση να επιλέξετε για έναν ιστότοπο

Τυχόν αριθμοί (εντός ορισμένων ορίων) στη μνήμη του υπολογιστή κωδικοποιούνται ως αριθμοί στο δυαδικό σύστημα αριθμών. Για να γίνει αυτό, υπάρχουν απλοί και σαφείς κανόνες μετάφρασης. Ωστόσο, σήμερα ο υπολογιστής χρησιμοποιείται πολύ ευρύτερα από ό,τι ως εκτελεστής υπολογισμών έντασης εργασίας. Για παράδειγμα, πληροφορίες κειμένου και πολυμέσων αποθηκεύονται στη μνήμη του υπολογιστή. Άρα προκύπτει το πρώτο ερώτημα:

Πώς αποθηκεύονται οι χαρακτήρες (γράμματα) στη μνήμη του υπολογιστή;

Κάθε γράμμα ανήκει σε ένα συγκεκριμένο αλφάβητο στο οποίο τα σύμβολα διαδέχονται το ένα το άλλο και επομένως μπορούν να αριθμηθούν με διαδοχικούς ακέραιους αριθμούς. Κάθε γράμμα μπορεί να συσχετιστεί με έναν θετικό ακέραιο αριθμό και να ονομάζεται κωδικός χαρακτήρα του.Είναι αυτός ο κωδικός που θα αποθηκευτεί στη μνήμη του υπολογιστή και όταν εμφανίζεται στην οθόνη ή το χαρτί, θα «μετατραπεί» στο αντίστοιχο σύμβολο. Για να διακρίνετε την αναπαράσταση αριθμών από την αναπαράσταση συμβόλων στη μνήμη του υπολογιστή, είναι επίσης απαραίτητο να αποθηκεύσετε πληροφορίες σχετικά με τα δεδομένα που κωδικοποιούνται σε μια συγκεκριμένη περιοχή μνήμης.

Η αντιστοιχία γραμμάτων ενός συγκεκριμένου αλφαβήτου με κωδικούς αριθμούς σχηματίζει τον λεγόμενο πίνακα κωδικοποίησης. Με άλλα λόγια, κάθε χαρακτήρας ενός συγκεκριμένου αλφαβήτου έχει τον δικό του αριθμητικό κώδικα σύμφωνα με ένα συγκεκριμένο πίνακα κωδικοποίησης.

Ωστόσο, υπάρχουν πολλά αλφάβητα στον κόσμο (αγγλικά, ρωσικά, κινέζικα κ.λπ.). Το επόμενο ερώτημα λοιπόν είναι:

Πώς να κωδικοποιήσετε όλα τα αλφάβητα που χρησιμοποιούνται σε έναν υπολογιστή;

Για να απαντήσουμε σε αυτό το ερώτημα, ας πάρουμε την ιστορική διαδρομή.

Στη δεκαετία του '60 του 20ου αιώνα, το Αμερικανικό Εθνικό Ινστιτούτο Προτύπων (ANSI) ανέπτυξε έναν πίνακα κωδικοποίησης χαρακτήρων, ο οποίος στη συνέχεια χρησιμοποιήθηκε σε όλα τα λειτουργικά συστήματα. Αυτός ο πίνακας ονομάζεται ASCII (American Standard Code for Information Interchange). Λίγο αργότερα, εμφανίστηκε μια εκτεταμένη έκδοση του ASCII.

Σύμφωνα με τον πίνακα κωδικοποίησης ASCII, εκχωρείται 1 byte (8 bit) για την αναπαράσταση ενός χαρακτήρα. Ένα σύνολο 8 κελιών μπορεί να λάβει 28 = 256 διαφορετικές τιμές. Οι πρώτες 128 τιμές (από 0 έως 127) είναι σταθερές και αποτελούν το λεγόμενο κύριο μέρος του πίνακα, το οποίο περιλαμβάνει δεκαδικούς αριθμούς, γράμματα του λατινικού αλφαβήτου (κεφαλαία και πεζά), σημεία στίξης (περίοδος, κόμμα, παρένθεση , κ.λπ.), καθώς και κενά και διάφορους χαρακτήρες υπηρεσίας (καρτέλα, τροφοδοσία γραμμής κ.λπ.). Οι τιμές από 128 έως 255 αποτελούν ένα επιπλέον μέρος του πίνακα, όπου συνηθίζεται να κωδικοποιούνται χαρακτήρες από εθνικά αλφάβητα.

Δεδομένου ότι υπάρχουν τόσα πολλά εθνικά αλφάβητα, οι εκτεταμένοι πίνακες ASCII διατίθενται σε πολλές παραλλαγές. Ακόμη και για τη ρωσική γλώσσα, υπάρχουν αρκετοί πίνακες κωδικοποίησης (τα Windows-1251 και τα Koi8-r είναι κοινά). Όλα αυτά δημιουργούν πρόσθετες δυσκολίες. Για παράδειγμα, στέλνουμε ένα γράμμα γραμμένο σε μια κωδικοποίηση και ο παραλήπτης προσπαθεί να το διαβάσει σε μια άλλη. Ως αποτέλεσμα, βλέπει krakozyabry. Επομένως, ο αναγνώστης πρέπει να εφαρμόσει διαφορετικό πίνακα κωδικοποίησης για το κείμενο.

Υπάρχει ένα άλλο πρόβλημα. Τα αλφάβητα ορισμένων γλωσσών έχουν πάρα πολλούς χαρακτήρες για να χωρέσουν στις καθορισμένες θέσεις 128 έως 255 του συνόλου χαρακτήρων ενός byte.

Το τρίτο πρόβλημα είναι τι πρέπει να κάνετε εάν το κείμενο χρησιμοποιεί πολλές γλώσσες (για παράδειγμα, ρωσικά, αγγλικά και γαλλικά); Δεν μπορείτε να χρησιμοποιήσετε δύο τραπέζια ταυτόχρονα...

Για την άμεση επίλυση αυτών των προβλημάτων, αναπτύχθηκε το Unicode.

Πρότυπο κωδικοποίησης χαρακτήρων Unicode

Για την επίλυση των παραπάνω προβλημάτων, στις αρχές της δεκαετίας του '90 αναπτύχθηκε ένα πρότυπο κωδικοποίησης χαρακτήρων, που ονομάζεται Unicode. Αυτό το πρότυπο σάς επιτρέπει να χρησιμοποιείτε σχεδόν οποιαδήποτε γλώσσα και σύμβολα στο κείμενο.

Το Unicode παρέχει 31 bit (4 byte μείον ένα bit) για την κωδικοποίηση χαρακτήρων. Ο αριθμός των πιθανών συνδυασμών δίνει έναν απίστευτο αριθμό: 231 = 2.147.483.684 (δηλαδή πάνω από δύο δισεκατομμύρια). Επομένως, το Unicode περιγράφει τα αλφάβητα όλων των γνωστών γλωσσών, ακόμη και των «νεκρών» και των φανταστικών, και περιλαμβάνει πολλούς μαθηματικούς και άλλους ειδικούς χαρακτήρες. Ωστόσο, η χωρητικότητα πληροφοριών του Unicode 31-bit εξακολουθεί να είναι πολύ μεγάλη. Επομένως, η συντομευμένη έκδοση 16 bit (216 = 65.536 τιμές) χρησιμοποιείται συχνότερα, όπου κωδικοποιούνται όλα τα σύγχρονα αλφάβητα.

Στο Unicode, οι πρώτοι 128 κωδικοί είναι ίδιοι με τον πίνακα ASCII.