php网页抓取乱码(一般来说，乱码的出现有2种原因，你知道吗？)

　　php网页抓取乱码(一般来说，乱码的出现有2种原因，你知道吗？)

　　一般来说，出现乱码的原因有两个。一是由于编码（charset）设置错误，导致浏览器用错误的编码解析，导致《天书》满屏乱七八糟，二是文件错误编码为打开然后保存。例如，一个原本用GB2312编码的文本文件被打开并以UTF-8编码保存。解决上述乱码问题，首先需要知道开发中哪些环节涉及到编码：

　　1、文件编码：指页面文件（.html、.php等）本身保存的编码。Notepad和Dreamweaver在打开页面时会自动识别文件编码，所以不太可能出现问题。但是，ZendStudio 不会自动识别编码。它只会根据首选项的配置打开具有特定编码的文件。如果不注意工作，打开编码错误的文件，修改后保存，会出现乱码。

　　2、 页面声明编码：在HTML代码HEAD中，可以使用（这句话一定要写在XXX之前，否则页面会是空白的（仅限IE+PHP））告诉浏览器该网页使用什么编码在目前，GB2312和UTF-8主要用于中文网站的开发。

　　3、数据库连接编码：是指在进行数据库操作时，用于向数据库传输数据的编码。这里需要注意的是，不要与数据库本身的编码混淆。比如MySQL内部默认是latin1编码，即Mysql数据以latin1编码存储，其他编码传输到Mysql的数据会转换成latin1编码。

　　知道了WEB开发中涉及到编码的地方，也就知道出现乱码的原因了：以上三种编码设置不一致。由于大多数各种编码都兼容ASCII，所以不会出现英文符号，中文会倒霉。. 以下是一些常见的错误情况和解决方法：

　　1、数据库使用UTF8编码，页面声明编码为GB2312，这是乱码最常见的原因。这时候在PHP脚本中直接SELECT数据是乱码，需要在查询前使用：

　　mysql_query("SET NAMES GBK");

　　或mysql_query("SET NAMES GB2312");

　　设置MYSQL连接码，确保页面声明码与这里设置的连接码一致（GBK是GB2312的扩展）。如果页面是 UTF-8 编码，您可以使用：

　　mysql_query("SET NAMES UTF8");

　　注意是UTF8而不是一般的UTF-8。如果页面上声明的代码与数据库的内部代码一致，则可能没有设置连接代码。

　　注：其实MYSQL的数据输入输出比上面说的还要复杂。MYSQL配置文件my.ini中定义了2个默认代码，分别是[client]中的default-character-set和[mysqld]中的default。-character-set 分别设置客户端连接和内部数据库使用的默认编码。我们上面指定的编码实际上是MYSQL客户端连接服务器时的命令行参数character_set_client，告诉MYSQL服务器接收到的客户端数据是什么编码，而不是使用默认的编码。

　　2、 页面声明编码与文件本身的编码不一致。这种情况很少发生，因为如果编码不一致，在创建页面时浏览器会看到乱码。更多的时候是发布后修改了一些小BUG，打开代码错误的页面然后保存造成的。或者使用一些FTP软件直接在线修改文件，比如CuteFTP，因为软件编码配置错误导致转换错误编码。

　　3、一些租虚拟主机的朋友，很明显上面三种编码设置正确或者出现乱码。比如网页是GB2312编码的，但是IE等浏览器打开时总是识别为UTF-8。网页的 HEAD 已经声明它是 GB2312。手动修改浏览器编码为GB2312后，页面显示正常。原因是服务器Apache设置了服务器全局默认编码，在httpd.conf中添加了AddDefaultCharset UTF-8。这时候服务器会先把HTTP头发送给浏览器，它的优先级比页面中声明的代码要高，浏览器自然会误认。有两种解决方案，

　　乱码解决方案

　　要解决乱码问题，首先要搞清楚你的​​数据库使用的是什么编码。如果未指定，它将是默认的 latin1。

　　我们最应该使用这3个字符集gb2312、gbk、utf8。

　　那么我们如何指定数据库的字符集呢？下面也以gbk为例

　　【在MySQL命令行客户端创建数据库】

　　mysql> 创建表`mysqlcode` (

　　-> `id` TINYINT(255) UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,

　　->`内容`VARCHAR（255）非空

　　->) TYPE = MYISAM 字符集 gbk COLLATE gbk_chinese_ci;

　　查询 OK，0 行受影响，1 个警告（0.03 秒）

　　mysql> 描述 mysqlcode;

　　+---------+-----------------------+------+-----+-- -------+----------------+

　　| 领域 | 类型 | 空 | 钥匙 | 默认 | 额外 |

　　+---------+-----------------------+------+-----+-- -------+----------------+

　　| *敏*感*词* | tinyint(255) unsigned | NO | PRI | | auto_increment |

　　| 内容 | varchar(255) | NO | | | |

　　+---------+-----------------------+------+-----+-- -------+----------------+

　　2 行（0.02 秒）

　　后者 TYPE = MYISAM CHARACTER SET gbk COLLATE gbk_chinese_ci;

　　就是指定数据库的字符集，COLLATE（排序规则），让mysql同时支持多种编码的数据库。

　　当然我们也可以通过下面的指令修改数据库的字符集

　　更改数据库 da_name 默认字符集'charset'。

　　客户端以gbk格式发送，可以使用如下配置：

　　SET character_set_client='gbk'

　　SET character_set_connection='gbk'

　　SET character_set_results='gbk'

　　此配置等效于 SET NAMES'gbk'。

　　现在对刚刚创建的数据库进行操作

　　mysql> 使用测试；

　　数据库已更改

　　mysql> insert into mysqlcode values(null,'phplovers');

　　错误 1406（22001)：第 1 行列“内容”的数据太长

　　字符集未指定为gbk，插入时出错

　　mysql> 设置名称'gbk';

　　查询正常，0 行受影响（0.02 秒）

　　指定字符集为 gbk

　　mysql> insert into mysqlcode values(null,'phplovers');

　　查询正常，1 行受影响（0.00 秒）

　　插入成功

　　mysql> 从 mysqlcode 中选择 *；

　　+----+-----------+

　　| *敏*感*词* | 内容 |

　　+----+-----------+

　　| 1| php 爱好 |

　　+----+-----------+

　　1 行（0.00 秒）

　　不指定字符集gbk也会出现乱码，如下

　　mysql> 从 mysqlcode 中选择 *；

　　+----+---------+

　　| *敏*感*词* | 内容 |

　　+----+---------+

　　+----+---------+

　　1 行（0.00 秒）

　　【在phpmyadmin中创建数据库并指定字符集】

　　

　　根据需要选择表类型，这里是MyISAM（支持全文搜索）；

　　整理并选择gbk_chinese_ci，即gbk字符集

　　gbk_bin 简体中文，二进制。gbk_chinese_ci 简体中文，不区分大小写。

　　在刚刚创建的数据库中插入数据库

　　

　　再次浏览时，发现是乱码

　　

　　为什么？因为数据库是gbk字符集，我们在操作的时候没有指定为gbk