php网页抓取乱码(一般来说，乱码的出现有2种原因，中文就倒霉了)

　　php网页抓取乱码(一般来说，乱码的出现有2种原因，中文就倒霉了)

　　一般来说，出现乱码的原因有两个。首先，错误的编码（charset）设置导致浏览器解析错误的编码，导致满屏的“天书”乱七八糟。编码打开，然后保存。例如，文本文件最初以 GB2312 编码，但以 UTF-8 编码打开和保存。要解决上面的乱码问题，首先要知道开发的哪些方面涉及到编码：

　　1、文件编码：是指保存页面文件（.html、.php等）本身的编码。记事本和 Dreamweaver 在打开页面时会自动识别文件编码，因此问题较少。然而，ZendStudio 不会自动识别编码。它只会根据首选项的配置打开具有某种编码的文件。如果工作中不注意，打开编码错误的文件，修改后保存，就会出现乱码。

　　2、页面声明代码：在HTML代码HEAD中，可以使用"meta http-equiv="Content-Type" content="text/html; charset="XXX"/"（这句话必须写在“在TItle前面”XXX“/TItle”，否则页面会空白（IE+PHP only））告诉浏览器网页使用什么编码。目前，中文网站主要使用GB2312和UTF-8两种编码。

　　3、数据库连接代码：指在进行数据库操作时，使用哪个代码向数据库传输数据。这里需要注意的是不要和数据库本身的代码混淆。比如 MySQL 内部默认是 laTIn1 编码，也就是说 Mysql 数据是以 laTIn1 编码存储的，其他编码传输到 Mysql 的数据会被转换成 latin1 编码。

　　知道了WEB开发涉及到哪里编码，也就知道乱码的原因了：以上三种编码设置不一致，因为各种编码大部分都兼容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案：

　　1、数据库使用UTF8编码，页面声明编码为GB2312，这是最常见的乱码原因。此时PHP脚本中直接SELECT数据出现乱码，查询前需要用到：

　　mysql_query("设置名称 GBK");

　　或 mysql_query("SET NAMES GB2312");

　　设置MYSQL连接码，保证页面声明码和这里设置的连接码一致（GBK是GB2312的扩展）。如果页面是 UTF-8 编码的，您可以使用：

　　mysql_query("设置名称 UTF8");

　　请注意，它是 UTF8 而不是通常的 UTF-8。如果页面上声明的代码与数据库内部代码一致，则可以不设置连接代码。

　　注意：其实MYSQL的数据输入输出比上面的要复杂一些。MYSQL配置文件my.ini定义了两种默认编码，即[client]中的default-character-set和[mysqld]中的default。-character-set 分别设置客户端连接和数据库使用的默认编码。我们上面指定的编码其实就是MYSQL客户端连接服务器时的命令行参数character_set_client，用来告诉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，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，打开错误代码的页面，然后保存。或者使用一些FTP软件直接在线修改文件，比如CuteFTP，由于软件的代码配置错误，转换了错误的代码。

　　3、一些租用虚拟主机的朋友，即使上面三个代码设置正确，还是有乱码。例如，一个网页是用 GB2312 编码的，但 IE 等浏览器总是将其识别为 UTF-8。网页的HEAD已经说明是GB2312。手动修改浏览器编码为GB2312后，页面正常显示。

　　原因是服务器 Apache 在 httpd 中设置了服务器的全局默认编码。在 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，它的优先级高于页面中声明的代码，所以浏览器会认错。有两种解决方案。请在配置文件中给虚拟机添加一个AddDefaultCharset GB2312来覆盖全局配置，或者在自己目录下的.htaccess中配置。