我有一个备份服务器，可以自动备份我的实时站点，包括文件和数据库。
在实时站点上，文本看起来不错，但是当您查看它的镜像版本时，它会显示“？”在一些文本中。此文本存储在新闻数据库表中。
这是它在实时服务器上和镜像服务器上的屏幕截图。
在将其备份到镜像服务器的过程中会发生什么？
直播服务器为Solaris，镜像服务器为LinuxRed Hat Linux5。
【问题讨论】：
标签： html backup character-encoding mirror
Unicode 或其他字符集字符不合格？
当文本从电子邮件或其他文档格式（例如 word）复制到文本编辑器时，我经常在我工作过的网站上看到类似的“奇怪”字符。编辑器可以显示非 ASCII 字符，但浏览器不能。对于该网站，我建议查找该字符的 HTML 实体代码并插入它...或切换到更标准的代码。
【讨论】：
您的浏览器未正确解释页面的编码（可能是因为您已将其强制为特定设置，或者页面设置不正确），因此无法显示某些字符。
【讨论】：
这将与字符编码有关。
您确定镜像站点在字符编码方面与您的主服务器具有相同的属性吗？
根据您拥有的服务器类型，这可能是服务器进程本身的属性，也可能是环境变量。
例如，如果这是一个 UNIX 环境，也许尝试比较 LANG 或 LC_ALL？
另见here
【讨论】：
以下文章会很有用：
10.3 Specifying Character Sets and Collations
10.4 Connection Character Sets and Collations
连接到数据库后，发出以下命令：
SET NAMES 'utf8';
确保您的网页也使用 UTF-8 编码：
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
PHP 还提供了几个对转换有用的函数：
【讨论】：
检查镜像服务器发出的字符集。这似乎与主服务器有所不同——实时站点似乎正在输出 Unicode，而镜像则没有。此外，清理传入内容中的 Unicode 字符并将其替换为相应的 HTML 实体通常是个好主意。
您的具体问题与“smart quotes”、“em dashes”和“en dashes”有关。我知道您可以用 &mdash; 替换 em 破折号，用 &ndash; 替换 n-dashes（应该在数据库的输入端完成）；我不知道智能引号的正确替换是什么。 （我通常只是用 ' 替换所有大弯单引号，用 " 替换所有大弯双引号......排版极客可能会在看到我时随意射击。）
我应该注意到，在这个问题上，一些浏览器比其他浏览器更宽容——Windows 上的 Internet Explorer 倾向于自动检测并“修复”这个问题； Firefox 和大多数其他浏览器都会显示问号。
【讨论】：
我通常会诅咒 MS Word，然后运行以下 Windows Script Host 脚本。
// Replace with path to a file that needs cleaning
PATH = "test.html"
var go = WScript.CreateObject("Scripting.FileSystemObject");
var content = go.GetFile(PATH).OpenAsTextStream().ReadAll();
var out = go.CreateTextFile("clean-"+PATH, true);
// Symbols
content = content.replace(/“/g, '"');
content = content.replace(/”/g, '"');
content = content.replace(/’/g, "'");
content = content.replace(/–/g, "-");
content = content.replace(/©/g, "©");
content = content.replace(/®/g, "®");
content = content.replace(/°/g, "°");
content = content.replace(/¶/g, "<p>");
content = content.replace(/¿/g, "¿");
content = content.replace(/¡/g, '¡');
content = content.replace(/¢/g, '¢');
content = content.replace(/£/g, '£');
content = content.replace(/¥/g, '¥');
out.Write(content);
【讨论】：
在“镜像”服务器（有问题的服务器）上编辑您的 Apache 配置文件，并注释掉以下行：
AddDefaultCharset UTF-8
然后重启Apache：
service httpd restart
问题是“AddDefaultCharset UTF-8”行覆盖了.html文件中指定的Content-Type；例如：
<meta http-equiv=Content-Type content="text/html; charset=windows-1252">
最常见的症状是 127 以上的字符代码显示为带有问号的黑色菱形（在 Chrome、Safari 或 Firefox 中）或显示为小方框（在 Internet Explorer 和 Opera 中）。
Microsoft Word 生成的 HTML 文件通常有很多这样的字符，最常见的是字符代码 160 = 0xA0，相当于“ ”在Windows-1252编码中，经常出现在span标签之间，像这样：
<span style="mso-spacerun: yes">ááá </span>
【讨论】：
【讨论】：
我遇到了这个问题，所以我只是把我的所有内容复制/粘贴到Notepad，创建了一个新的 PHP 文件，重新粘贴，重新保存并覆盖，然后.. 成功了！
这确实是 Microsoft Word 编辑的一些遗物......
【讨论】：