什么是网页编码？

网页编码（字符编码）就是一套“密码本”，它规定了计算机如何将我们看到的字符（中, a, ）转换成二进制数据（0和1）,以及如何将二进制数据转换回字符。

网页编码有gbk和utf8
（图片来源网络，侵删）
  • 字符：你能在屏幕上看到的所有文字、符号、表情等。
  • 编码：将字符映射成二进制数字的规则。
  • 解码：将二进制数字反向还原成字符的规则。

如果浏览器（解码方）使用的“密码本”和网页服务器（编码方）使用的“密码本”不一致，就会出现乱码。

GBK 编码

是什么？

GBK 是一个中文字符编码标准的全称是《汉字内码扩展规范》，它是在中国的国家标准 GB2312 的基础上扩展而来的。

  • 主要特点：
    • 双字节编码：一个中文字符通常占用 2 个字节。
    • 兼容性：完全兼容 GB2312，可以表示 GB2312 里的所有汉字和符号。
    • 范围：主要收录了汉字和符号，对于非中日韩的字符（如欧洲字母、阿拉伯文、emoji等）支持非常有限或不支持。

优点

  • 在处理纯中文或中日韩混合内容时，存储空间相对 UTF-8 会更小一点（因为一个汉字是2字节，而 UTF-8 中汉字通常是3字节）。
  • 在一些老旧的 Windows 系统或特定行业软件中,可能是默认或唯一支持的编码。

缺点

  • 国际通用性差：无法表示世界上绝大多数语言的字符，如果你的网站内容包含英文、俄文、法文、阿拉伯文等，使用 GBK 就无法正确显示。
  • 技术生态边缘化：现代 Web 开发、操作系统、数据库等主流技术栈都优先推荐甚至默认使用 UTF-8。GBK 已经被视为一种过时的、需要被淘汰的编码。

UTF-8 编码

是什么？

UTF-8 是 Unicode（万国码） 标准的一种最常用的实现方式。

  • Unicode：这是一个字符集，它为世界上几乎所有的字符都分配了一个唯一的数字（称为“码点”，Code Point），中 的码点是 U+4E2D，它本身只是一个“字符列表”,不规定如何存储。
  • UTF-8：它是一种变长编码方案，它将 Unicode 码点转换成 1 到 4 个不等的字节进行存储。
    • 英文、数字、符号：通常用 1 个字节 表示（与 ASCII 兼容）。
    • 常用汉字、日文、韩文：通常用 3 个字节 表示。
    • 生僻汉字、emoji、古文字等：可能用 4 个字节 表示。

优点

  • 通用性强：可以表示全球几乎所有语言的字符，是真正的“万国码”。
  • 兼容性好：完全向后兼容 ASCII,所以处理纯英文文本时非常高效。
  • 生态标准：是现代 Web 开发的事实标准，从 HTML5 开始，<meta charset="UTF-8"> 已经成为推荐的标准写法，所有现代浏览器、服务器、操作系统都对其有完美的支持。

缺点

  • 存储空间：对于纯中文内容，一个汉字占 3 字节，比 GBK 的 2 字节要大 50%，但在现代互联网，硬盘和网络带宽成本已大幅降低,这点劣势几乎可以忽略不计。

对比总结表

特性 GBK 编码 UTF-8 编码
字符集范围 主要支持中文、日文、韩文等 CJK 字符，以及部分符号 支持全球所有语言的字符，包括 emoji
编码方式 主要是双字节（汉字） 变长编码（1-4字节）
通用性 差，区域性标准，国际化支持不足 极佳，全球通用标准
技术生态 过时，老旧系统或特定领域使用 现代标准，Web、操作系统、数据库首选
存储效率 对中文更高效（2字节/汉字） 对英文更高效（1字节/字符），中文略大（3字节/汉字）
推荐度 不推荐，仅用于维护老旧项目 强烈推荐，所有新项目的首选

如何在网页中指定编码？

在 HTML 文件中，通常通过 <meta> 标签来指定编码，这个标签必须放在 <head> 标签的开头位置，越早越好,以便浏览器在解析页面内容之前就能知道如何解码。

网页编码有gbk和utf8
（图片来源网络，侵删）

标准写法（推荐）：

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">我的网页</title>
</head>
<body>
    <h1>你好，世界！Hello, World! 👋</h1>
</body>
</html>
  • charset="UTF-8"：明确告诉浏览器，这个页面使用的是 UTF-8 编码。

过时的写法（不推荐，但可能还会在一些老代码中见到）：

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

乱码问题排查

如果你的网页出现乱码,通常是因为以下原因之一：

  1. HTML 文件本身保存的编码与声明的编码不一致：

    • 问题：你用记事本或编辑器保存文件时，选择了 GBK 编码，但在 HTML 中却写了 <meta charset="UTF-8">。
    • 解决：确保编辑器保存文件时使用的编码是 UTF-8（很多编辑器会自动检测或让你选择）。

  2. Web 服务器返回的 HTTP 头信息与 HTML 声明的编码不一致：

    • 问题：服务器配置错误，在 HTTP 响应头中指定了 Content-Type: text/html; charset=GBK，但 HTML 文件里写的是 UTF-8。
    • 解决：需要配置你的 Web 服务器（如 Nginx, Apache）来返回正确的 Content-Type 头。

结论与建议

对于任何新的网页项目，都请毫不犹豫地选择 UTF-8。

  • 它是未来：GBK 正在逐渐退出历史舞台。
  • 它是标准：能让你免于处理各种复杂的国际化乱码问题。
  • 它是最佳实践：所有现代开发工具和框架都默认支持 UTF-8。

只有在维护一个非常老旧的、且确定只在中国大陆使用的系统时，你才可能需要与 GBK 打交道。