最近弄个小网站,发现windows下的文件上传到linux服务器上后,出现了标签错乱的问题。
比如,我的代码是:
print '
testtest';但是,浏览器的解析格式缺成了下面的样子:
testtest
进过不停地搜索,发现了问题所在:
由于为了在linux服务器上正常显示中文,将一些包含中文字符串的页面文件编码转成了utf8格式(貌似其实不用转,也可以显示的),导致了下面的问题:
页面采用UTF8编码,头部和尾部用了模板包含文档的method,结果头部和尾部无端端各多出一个约10px的空行,什么也没有。
原因是全部采用utf8编码,包含文档的时候,最后的二进制流中包含了多次UTF8 BOM标记,IE不能正常解析包含多个UTF8 BOM 标记的页面,直接替换成实际显示的回车,这样导致一个空行,而firefox却没有这个问题。
故如果模板采用包含的method包含多个utf8文档需要用ultraedit保存时另存为功能 选择utf8 无bom格式保存即可。
另外,如果中文页面在html head标记中将title标记放在前面会导致页面空白。
所以utf8页面应该使用标准顺序:
BOM头:\xEF\xBB\xBF,PHP脚本4、5尚对BOM无视,所以在解析前直接输出。
对此 w3.org 标准 FAQ 中对此问题有一个专门的描述:
具体如下:
在UCS 编码中有一个叫做”ZERO WIDTH NO-BREAK SPACE”的char,它的编码是FEFF。而FFFE在UCS中是不存在的char,所以不应该出现在实际传输中。UCS规范建议我们在传输字节流 前,先传输 char”ZERO WIDTH NO-BREAK SPACE”。这样如果接收者收到FEFF,就表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little- Endian的。因此char”ZERO WIDTH NO-BREAK SPACE”又被称作BOM。
UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明编码方式。char”ZERO WIDTH NO-BREAK SPACE”的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流,就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文档的编码方式的操作Systam: WindowsXP Professional , 缺省char集:中文
1) notepad : 可以自动识别出没有带 bom 的 utf-8 编码格式文档,但不可以控制保存文档时是否添加 bom , 如果保存文档,那么会统一添加 bom 。
2)editplus : 不能自动识别出没有 bom 的 utf-8 编码格式文档,文档保存时,选择UTF-8 格式,不会在文档头写上 BOM header.
3) UltraEdit : 对于char编码的功能最为强大, 可以自动识别带 bom 和不带 bom 的 utf-8 文档 (可以配置) ; 保存的时候可以通过配置选择是否添加 bom.
(特别需要注意的是,保存一个新建立的文档时,需要选择另存为 utf-8 no bom 格式)
后来发现 Notepad++ 也对于 utf-8 bom 支持比较好,推荐大家使用。