Codeigniter框架在IE下ajax提交中文乱码问题及解决办法

【后注】:2012-04-28
虽然发表了这篇文章,不过后来发现原来这个问题是由于前端extjs框架在提交ajax数据时没有对数据进行编码造成的,解决办法其实很简单,encodeURI()即可,下面是代码片段:

var store = Ext.create('Ext.data.Store', {
id:'simpsearchStore',
autoLoad: {start: 0,limit: js_config.search_limit},
fields:['id','cmv','name','unit','freq','src'],
pageSize: js_config.search_limit,
proxy: {
type: 'ajax',
url: encodeURI('/indicator/search?q='+q),
reader: {
type: 'json',
root: 'docs',
totalProperty: 'total',
}
}
});

大家在遇到类似问题的时候可以参考一下,查一下js的url是否经过编码了

CI在UTF8_ENABLED == true的情况下会对客户端提交的字符串进行clean_string操作,该操作的原始代码如下:

function clean_string($str)
{
if ($this->_is_ascii($str) === FALSE)
{
$str = @iconv('UTF-8', 'UTF-8//IGNORE', $str);
}

return $str;
}


这里的意思很明显,对于ASCII字符使用iconv函数进行强制转换,该函数在FF/CHROME/OPERA等浏览器下均正常运行,唯有IE不行(我这里测试的是IE9),查看log才发现有错误信息,错误信息类似于:
Severity: Notice --> iconv(): Detected an illegal character in input string /app/system/codeigniter/core/Utf8.php 89
其中89行就是$str = @iconv('UTF-8', 'UTF-8//IGNORE', $str);这一行,网上有些文章说使用mb_convert_encoding可以解决问题,可以并没有一篇文章提到具体如何该,下面是我自己的解决方案,完整代码如下:

function clean_string($str)
{
if ($this->_is_ascii($str) === FALSE)
{
//$str = @iconv('UTF-8', 'UTF-8//IGNORE', $str);
$str = @mb_convert_encoding($str,'UTF-8', 'UTF-8,ASCII,GBK');
}
return $str;
}


这里要特别留意第三个参数,几个值不同的顺序也会有不同的结果,我自己曾经试过只填写GBK,这样会变成IE正常,但是其他浏览器都出问题了,然后ASCII也是,只有这一种写法是集中浏览器是兼容的。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值