为什么我可以使用不属于字符集 (windows-1252) 的字符？

Question

我正在寻求一些帮助以了解字符集的工作原理。这个问题是Anything wrong with using windows-1252 instead of UTF-8的继续@

我有一个测试 ColdFusion 站点，使用...

<CFHEADER NAME="Content-Type" value="text/html; charset=windows-1252">
<meta http-equiv="Content-Type" content="text/html; charset=windows-1252" />

以及使用...的测试 Oracle 数据库

NLS_CHARACTERSET: WE8MSWIN1252
NLS_NCHAR_CHARACTERSET: AL16UTF16

根据 windows-1252 字符集，没有平方根符号 (alt+251)： √ 但我可以将其键入网页表单的字段中，将其保存到数据库，查询并显示在屏幕上再次就好了。当它在数据库中时，它存储为：√。如果它甚至不是字符集的一部分，我该如何输入、存储、查询和显示它？根据字符集，十进制 251 是这样的：Hex:FB | û | 00FB | LATIN SMALL LETTER U WITH CIRCUMFLEX

Answer 1

您并没有真正使用页面和数据库字符集之外的字符。

因为页面是 windows-1252 编码的，如果你在表单域中输入 Alt+251 然后发布数据，浏览器会说：

"Hey this char is not apart of windows-1252 and I need to only send back data
 which is in windows-1252, so I will do the best I can and send back the 
 html character code of char √  -- oh well, I wish I could send back
 1 character, since I cannot I will send back 7."

如果您注意到，这是 windows-1252 字符集中的 7 个不同字符。

如果页面是用多字节字符集编码的，浏览器会发回一些被认为是 1 个字符的东西。

那么怎么查询呢？

 select * from tab where field like '%√%'

你所拥有的是平方根符号的html字符：https://www.google.com/#q=html+character+codes

更新：

这是一篇很好的文章，解释了正在发生的事情：http://htmlpurifier.org/docs/enduser-utf8.html

 "...once you start adding characters outside of your encoding... 
 [the browser might] replace the character with a character entity reference...."

此外，当您在 Windows 机器上输入 Alt+251 时，它会插入平方根符号，在 Unicode 中为 U-221A。

按 Alt+251 就像键盘宏插入 Unicode 它是 U-221A。