php网页抓取乱码(Linux程序不会乱码的根源是什么？如何使程序初始化乱码)

　　php网页抓取乱码(Linux程序不会乱码的根源是什么？如何使程序初始化乱码)

　　乱码的来源：将源代码文件（源字符集）编译/链接生成可执行文件（执行字符集），最后程序在实际环境中运行（运行环境编码）。在此过程中，如果出现字符集不匹配的情况，最终无法显示预期的文本信息，甚至会产生乱码。

　　综上所述，为了让程序不乱码，必须满足：

　　代码相关

　　一般为了在程序中支持国际化，在程序初始化时，将locale设置为系统配置的Native ANSI字符集，即执行：setlocale(LC_ALL, "")。

　　可以查看文件编码格式：

　　:file main.cc

main.cc: C++ source text, UTF-8 Unicode text

　　GCC的源字符集和执行字符集默认都是UTF-8编码的，也就是说GCC默认按照UTF-8解析源代码，编译后的执行字符集也是UTF-8。当然 GCC 也提供了编译选项来改变默认值：

　　-finput-charset=charset 用于指定源码字符集

-fexec-charset=charset 用于指定执行字符集

　　另一个参数是：

　　默认情况下，在 Windows 平台的 gcc 下，宽字符串常量的每个字符都是 16 位 UTF-16 类型。在 Linux 平台上，宽字符串常量的每个字符都是 32 位 UTF-32 类型。-fwide-exec-charset=charset 这个参数可以改变宽字符串常量的类型。比如在x86机器环境下，在Linux操作系统下，要将诸如L“汉字”编译保存为UTF-16字符串，可以使用-fwide-exec-charset=UTF-16LE。

　　控制台查看代码：

　　:locale

LANG="zh_CN.UTF-8"

LC_COLLATE="zh_CN.UTF-8"

LC_CTYPE="zh_CN.UTF-8"

LC_MESSAGES="zh_CN.UTF-8"

LC_MONETARY="zh_CN.UTF-8"

LC_NUMERIC="zh_CN.UTF-8"

LC_TIME="zh_CN.UTF-8"

LC_ALL=

　　参考