MySQL 中的 Unicode 字符在 PHP 和 ASP 中返回不同的字符代码值

Question

我有一个 MYSQL 数据库，它需要由 PHP 和 MySQL 脚本访问，这在大多数情况下都可以正常工作，但有一些“特殊”字符，例如双引号、撇号在 ASP 脚本中无法正确显示。

例如 MySQL 数据库来自 Drupal 安装并包含一个表，其中包含一个包含文本“双引号”的字段（引号是智能引号，但似乎不会在堆栈溢出时显示）。这在 php 脚本中显示得很好，但在 ASP 脚本中却没有。我已经在 PHP 和 ASP 中编写了一个简单的脚本来循环遍历字符串并打印字符代码，这里是输出：

PHP

“ 147
A 65
32
d 100
o 111
u 117
b 98
l 108
e 101
32
q 113
u 117
o 111
t 116
e 101
” 148

ASP

� 8220
A 65
 32
d 100
o 111
u 117
b 98
l 108
e 101
 32
q 113
u 117
o 111
t 116
e 101
� 8221

如您所见，双引号在 PHP 和 ASP 中显示为不同的字符，而 ASP 的显示不正确。

我正在使用标准 Drupal 安装和 PHP 5 在 Windows 机器上运行 MySQL 5。ASP 使用 MySQL ODBC 3.51 驱动程序，除了打开连接并运行之外，我没有在 PHP 或 ASP 中运行任何其他命令选择语句。

编辑这里要求的是asp脚本

Dim strConn, objConn, objRS, strQ
Dim i, strBody

strConn = "DRIVER={MySQL ODBC 3.51 Driver}; SERVER=" & strDBServer & "; DATABASE=studential; UID=" & strDBUser & ";PASSWORD=" & strDBPass & "; OPTION=3"

Set objConn = Server.CreateObject("ADODB.Connection")     
objConn.Open(strConn)

strQ = "select body from drupal_node_revisions where nid = 261"
Set objRS = objConn.Execute(strQ)

strBody = objRS("body")

For i = 1 To len(strBody)       
    Response.write(Mid(strBody, i, 1) & " " & AscW(Mid(strBody, i, 1))  & "<br />")
Next

objRS.Close
objConn.Close

Set objRS = Nothing
Set objConn = Nothing

进一步编辑

在下面的行中用 Asc 替换 AscW 时：

Response.write(Mid(strBody, i, 1) & " " & AscW(Mid(strBody, i, 1))  & "<br />")

字符代码现在匹配，但引号字符仍然显示不正确。我的页面包含 utf-8 字符集标记，因此很可能在此之前没有使用 utf-8 编码 - 知道它可能是什么或如何修复它？

感谢您的帮助，

汤姆

Answer 1

这里似乎发生了几件事：

我将假设在数据库中，表 drupal_node_revisions 中的列体确实设置为 Unicode 字符集。此外，我假设它确实以代码点 U+201C 左双引号开始。

现在，PHP 似乎正在连接到 Latin1 中的数据库。这会导致 MySQL 将正在读取的数据转换为 Windows-1252（MySQL 中的“Latin1”实际上是指 Windows-1252）。因此将第一个字符转换为单字节 147。然后当你从 PHP 输出这个时，我猜你没有指明网页的字符编码，这导致它默认为 Latin1，这（叹气）几乎所有浏览器将其视为 Windows-1252。因此，双引号正确显示，但实际上犯了两个错误，这将导致其他 Unicode 字符失败：

1. 您需要在连接中执行SET NAMES utf8;，确保与 MySQL 的所有连接变量（共有三个！）都在 UTF-8 中工作。

2. 您需要确保网页的内容类型指示 UTF-8 字符集。这可以通过元元素来完成：<meta http-equiv="content-type" content="text/html;charset=utf-8">

ASP 代码似乎以某种 Unicode 编码连接到数据库。这表示为表达式 AscW(Mid(strBody, i, 1)) 为第一个字符返回 8220。生成未知字符字形的输出中的问题再次是 HTML 页面的字符集可能已保留为默认值，而不是与 Unicode 兼容的编码。

我对 ASP 了解得不够多，无法知道 Response.write() 方法如何确定要使用的字符集编码，或者它是否期望字符串已经被编码，所以我不知道如何确保该数据路径是 Unicode 干净的端到端。

Answer 2

我遇到了完全相同的问题。事实证明，列在latin1_swedish_ci 排序规则中——它使用了扩展的ascii 符号（例如’ 的146）——.Net 转换为unicode 符号——\u0092——但这不是一个有效的代码。最终解决方案的灵感来自this SO answer：

res = Encoding.GetEncoding(1252).GetString(res.Select(c => (byte) c).ToArray());

Answer 3

您的 ASP 脚本似乎在使用 Unicode - 8220 = 0x201C，即 Unicode“左双引号”。您可能会在屏幕上看到垃圾，因为您的 ASP 脚本没有输出此 unicode 字符串的有效编码，但我们必须查看代码才能确定原因。