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。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。如果工作时不注意，打开编码错误的文件。修改后保存，会出现乱码。

　　2、页面声明代码：在HTML代码HEAD中，可以使用（这句话一定要写在XXX前面，否则页面会空白（IE+PHP only））告诉浏览器网页是什么代码用途，目前中文网站主要用于GB2312和UTF-8两种编码的开发。

　　3、数据库连接代码：是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。例如MySQL内部默认为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3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("SET NAMES 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("SET NAMES 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。比如网页是用GB2312编码的，但是IE等浏览器总是把它识别为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设置了服务器的全局默认编码，并在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。请在配置文件的虚拟机中添加一个AddDefaultCharset GB2312来覆盖全局配置，

　　乱码解决方案

　　要解决乱码问题，首先要弄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。

　　我们应该最多使用gb2312、gbk、utf8这三个字符集。

　　那么我们如何指定数据库的字符集呢？下面也是gbk的一个例子

　　[在 MySQL 命令行客户端中创建数据库]

　　mysql> 创建表`mysqlcode` (

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

　　-> `content` VARCHAR( 255 ) NOT NULL

　　-> ) TYPE = MYISAM CHARACTER SET gbk COLLATE gbk_chinese_ci;

　　查询正常，0 行受影响，1 个警告（0.03 秒）

　　mysql> desc mysqlcode;

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

　　| 领域 | 类型 | 空 | 钥匙 | 默认 | 额外 |

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

　　| 编号 | tinyint(255) 无符号 | NO | PRI | | auto_increment |

　　| 内容 | varchar(255) | 否 | | | |

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

　　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以下命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，可配置如下：

　　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> 插入 mysqlcode 值(null,'php 爱好者');

　　错误 1406（22001)：第 1 行的列“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> 插入 mysqlcode 值(null,'php 爱好者');

　　查询正常，1 行受影响（0.00 秒）

　　插入成功

　　mysql> 从 mysqlcode 中选择 *；

　　+----+------------+

　　| 编号 | 内容 |

　　+----+------------+

　　| 1| php 爱 |

　　+----+------------+

　　一组中的 1 行 (0.00 秒)

　　不指定字符集gbk时，也会出现乱码，如下

　　mysql> 从 mysqlcode 中选择 *；

　　+----+----------+

　　| 编号 | 内容 |

　　+----+----------+

　　+----+----------+

　　一组中的 1 行 (0.00 秒)

　　【在phpmyadmin中创建数据库并指定字符集】

　　

　　根据自己的需要选择表格类型，这里选择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。

　　将数据库插入到刚刚创建的数据库中

　　

　　再次浏览时出现乱码

　　

　　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