（转）Apache 中文乱码解决方案

wooyun

原文：http://douzi.org/wp/archives/161
=============================================================

Apache 中文乱码解决方案

服务器端：
======
修改httpd.conf (在Redhat中放置的位置为/etc/httpd/conf/)
查找：
AddDefaultCharset ISO-8859-1
改成：
#AddDefaultCharset ISO-8859-1
AddDefaultCharset off

这种方式关掉了服务器的默认语言的发送，这样仅凭html文件头中设置的语言来决定网页语言。

很多文章都说通过修改为 AddDefaultCharset GB2312 把缺省语言改成GB2312来解决中文乱码，确实GB2312内码的网页可以正常显示了，但这并非万全之策。因为当你的网页内码不是GB2312，就算你在网页用下面的meta指定了正确的语言，如ISO8859-1，也不会解码为ISO8859-1，因为Apache已经先你一步将GB2312指定为网页的语言了，如下图：

而这个是加了 AddDefaultCharset off 后的：

修改后请重新启动Apache，在Redhat中命令为
/etc/init.d/httpd restart

当使用一些网页脚本引擎，如PHP，还可能需要修改相应的配置文件。
以PHP为例，需要修改php.ini (Red Hat中位置在/etc/)

找到：
default_charset = “iso-8859-1″ 或者类似的，如 default_charset = “gb2312″，将其注释掉:
;default_charset=”iso-8859-1″

客户端：
=====
在中文网页请中依情况在标签中添加：
GB2312:

BIG5:

UTF-8: (注意是UTF-8，而不是UTF8，我已经上过当了)


如果还是不正常，请清空浏览器的Cache试试。

另外附上goghs的”blog工具中中文的问题“一文的修正版，这篇文章很好的阐述了Charset和Encoding之间的关系。

    blog工具中中文的问题 [Blog] - goghs @ 23:26:56

    现在的blog工具完全中文的并没有，而一般程序的默认，都是使用iso8859-1字符集，或者说en语言编码。字符集(Charset)和编码(Encoding)是两个不同的概念。

    如果你使用MT的默认安装，或者使用B2的默认安装，你会发现你所发布的中文文章根本无法正常显示。（此处的MT的默认安装，以使用MySQL为基准，使用文件的我没有测试，不便评述。）

    原因很简单，所有页面的默认都是iso8859-1字符集，所以在数据插入数据库的时候，都会被编码(成为html实体，如xxx;类型，xxxx此处都是数字）。

    处理的方式并不复杂，对MT而言，你需要将mt.cfg中的NoHTMLEntities以行前面的注释符号去掉，变成
    NoHTMLEntities 1
    一次来禁止使用HTML::Entities进行实体编码。
    然后修改CGI.pm中的一处，设置为正确的gb2312字符集，我在前面的一篇文章中已经谈到。

    并且需要修改所有的模板，将其中的charset从iso8859-1修改为gb2312。

    而对B2，B2config.php里, 第91行有
    # IMPORTANT! set this to 0 if you are using Chinese, Japanese, Korean,
    #or other double-bytes languages
    $use_htmltrans = 0;

    把$use_htmltrans 设定成0就行了。

    编码问题还牵涉到生成的RSS文件。作为XML的一个词汇集（此处翻译成中文似乎很让人搞不清楚，也许直接用Vocabulary更好一点），RSS完全需要遵循XML规范。
    所有的数据中，有5个字符必须进行特殊处理。它们是单引号(’), 双引号(”)， 小于号(< )，大于号(>)，以及&，因为他们具有特殊的用处和意义。MT中Util模块(Util.pm)中的encode_html函数负责处理，而在PHP中使用htmlspecialchars()函数做的就是同样的工作（注意默认情况下单引号是不被处理的，你需要使用ENT_QUOTES作为第二个参数）。
    对RSS的生成，你只需要使用上述的方法进行处理，就是处理掉5各特殊字符，而千万不要使用MT中的HTMLEntities和PHP中的 htmlentities()函数，因为这样它会将非iso8859-1的字符全部转换成实体，就是xxx;格式。对PHP，虽然4.1版本开始，虽然htmlspecialchars()函数可以通过第三个参数传递一个charset来进行处理，但是以我的简单测试，似乎不行。
    另外需要对RSS指定一个正确的encoding， 就是将默认的
   
    修改为
   
    (XML这里确实比较糊涂，encoding使用charset)

    关于语言代码和国际代码，有很多复杂的标准，我也没太搞清楚，这里就不说了。总之记住对简体中文，charset = gb2312 或者说更准确的应是 charset = GB2312， encoding = “zh”。其他的不知道也罢。

    在rss生成中，只要你在前面制定了正确的charset， 即使你没有正确设置encoding，其源文件是完全可读的，只是如果你使用浏览器进行浏览时，它会以UTF-8编码显示，因此中文是乱码，只有你正确制定了中文编码后，才可以正确显示（你也可以通过切换浏览器的编码来看）。

    总之这是一个比较复杂的问题，我的能力有限，也只能解释道这一步了。
    仓促中写就，可能有很多错误，请大家指正。