asp.net乱码深度剖析

写在前面

在Web开发中，乱码应该算一个常客了。今天还好好的一个页面，第二天过来打开一看，中文字符全变“外星文”了。有时为了解决这样的问题，需要花上很长的时间去调试，直至抓狂，笔者也曾经历过这样的时期。有时虽然是“侥幸”解决了，但对其中的原理却一知半解。

为了弄清楚这个问题，今天查了大半天的资料、测试。现把这些点滴记录下来，以激励自己重视基础，同时和大家分享一下，望大家不吝批评指正。

预备知识

先介绍一些字符编码方面的基本知识，如果你对这些已经比较了解了，请直接跳过此节。

1. 字符集与字符编码概述

简单来说，字符集就是与特定区域相关的一系列有效字符的有序集合，比如字母、数字、标点符号等。注意关键字“有序”，表明集合中的每一个字符都是具有唯一数字编号（码值）的。不同国家使用的语言文字、符号不一样，相应的字符集必定也不一样。比如中国使用汉字，美国使用英语，韩国使用韩文，等等。

字符集是为了信息交互而设计的，最终还是要转化成计算机的表示法。我们知道，计算机只认识0和1，它对字符集符号不感冒。所以，我们必须想办法把字符转化为0和1的序列。我们知道，计算机最小的存储单位是位（bit），程序中一般使用的最小单位是字节（byte）。为了把字符存储到计算机中，我们就要考虑用几个byte几个bit，考虑每一个bit上是0还是1，考虑存储和读取效率，并且必须兼顾整个字符集，这就是字符编码。

一句话，字符集只关心字符的定义，而字符编码负责字符的存储和读取细节。用三层模式来打比喻的话，字符集是模型层，而字符编码是业务层。注意：一般常说的GB2312、GBK等其实同时包含了这两方面的定义

2. 常用中文字符编码简介

GB2312

GB2312的全称是《信息交换用汉字编码字符集-基本集》,由国家标准总局于1980发布，1981年5月1日施行，中国大陆、新加坡使用此编码。基本集收录了6763个汉字，只能显示简体汉字。

GBK

1995颁布，全称是《汉字编码扩展规范》。在GB2312的其他上，增加了繁体汉字，支持ISO/IEC 10646-1 和GB-13000-1的全部中、日、韩（CJK）字符，共20902个。向下兼容GB2312。

GB18030

全称是《信息交换用汉字编码字符集基本集的扩充》，目前两个版本，分别于2000年和20005年颁布。该字符集收录了70000多个汉字，包括了藏、蒙古、维吾文等少数民族字符，是我国计算机系统必须遵循的基础性标准之一。向下兼容GBK和GB2312。

BIG5

台湾和港台地区使用的汉字编码，俗称“大五码”，共收录了13060个汉字。

UTF-8

这是目前使用最多的一种Unicode编码，是Visual Studio内置的编码，相信大家一定都不陌生。根据字符码值的不同，可能用1、2、3个字节表示。

注意，编码之间一般都不是兼容的。其它编码在此不作介绍，若想进一步了解字符编码，请看我收藏的一篇文章：http://blog.csdn.net/tomysea/article/details/6712344

3. 字符串、字符数组和字节数组

C#中的字符串(string)和字符(char)其实都是对象，他们有相应的类String和Char，string和char只是这两个类的一别名而已，内部都是采用Unicode码值表示。请注意我说的是码值，不是编码。

我们已经知道，Unicode的字符大多是多字节表示的，那么一个char就得用几个byte来表示。这里我要说的重点是，使用不同的编码表示字符串，其对应的byte可能是不一样的。请看下面的代码，注意输出字节数部分。UTF-8编码的字节数是22，而GB2312编码的字节数是16。

string title = "2012真的来了吗？"; //字符串

char[] chars = title.ToCharArray(); //字符数组

byte[] bytes = System.Text.Encoding.UTF8.GetBytes(title);

Response.Write(chars.Length + " "); //10 （字符数）

Response.Write(bytes.Length + " "); //22 （UTF-8编码的字节数）

bytes = System.Text.Encoding.GetEncoding("GB2312").GetBytes(title);

Response.Write(bytes.Length + " "); //16 （GB2312编码的字节数）

从http请求响应模型说起

http是一个请求/响应的模型，这个我们大家都知道。http请求可以分为请求头和请求实体两部分，相应地http响应也可以分为响应头和响应实体。请求头或响应头是浏览器与Web服务器通信用的（假定用浏览器访问Web服务器），而实体则是实际发送的数据，比如Form表单的数据、Ajax提交的数据、传回来的html代码等。不管是浏览器还是Web服务器，在发送实体前都会把它转换为字节流。明白这一点很重要，因为涉及字节流就一定会与字符编码有关。

从上面的请求响应模型中我们可以得出一个结论：请求和响应编码必须严格保持一致！为什么呢？这很好理解，浏览器和Web服务器是要通信的，如果编码不一样的话，势必会造成许多“误解”。假设浏览器是中国人（不懂E文），而Web服务器是美国人，他们两个的“编码”（语言）不一致，悲催的结局不言而喻。

ASP.NET中请求响应编码的设置

你可以在machine.config或web.config文件指定全局配置，也可以在页面级特别指定。如果你未手动指定且machine.config中也为空，则默认会读取计算机上“区域选项”中的设置。

1. 全局配置

在machine.config或web.config文件（根目录或者子目录都有效）中的system.web节点中配置globalization节点。如果在根目录下的web.config配置，则会响应整个网站，若只是在子目录下配置，则只会响应该目录及其子目录。 详细配置如下：

<system.web>

<globalization fileEncoding="utf-8" requestEncoding="utf-8" responseEncoding="utf-8"/>

<!--按顺序是：文件编码 请求编码 响应编码-->

<!—-fileEncoding会在后面说到-->

<!--后面还有其它配置-->

2. 页面级的配置

在aspx页面的Page指令中设置响应编码

<%@ Page Language="C#" AutoEventWireup="true" ResponseEncoding="utf-8"

CodeBehind="byte.aspx.cs" Inherits="DevKit.Web.test.charset._byte" %>

在aspx页面中手动指定meta标签

<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />

在后台cs文件中配置

Request.ContentEncoding = System.Text.Encoding.UTF8; //请求编码

Response.ContentEncoding = System.Text.Encoding.UTF8; //响应编码 接下来，我们从几个示例中去体验乱码，从而总结出解决乱码的一般方法。

测试环境

操作系统：Windows xp PRofessional SP3 雨林木风版

开发环境：Visual Studio 2008 专业版 + SP1（.NET 3.5）

Web容器：VS集成的Development Server

浏览器：IE8 、Firefox 5

实例分析与研究

实例1 aspx页面提示意外的字符“XXX”，引号里面是乱码

背景

网站配置了在根目录配置了文件、请求、响应编码都为utf-8，页面成功编译，没有任务错误。详细错误见下图：

html代码

<div>

aspx页面中的中文

<br />后台的中文变量：<em><%=汽车%></em>

</div>

后台代码

view plain

public partial class _byte : System.Web.UI.Page

{

protected string 汽车= "我是凯迪拉克"; //别怀疑，中文变量是可以的：）

protected void Page_Load(object sender, EventArgs e)

{

//...

}

}

分析与解决

既然web.config已经配置了一样的请求响应编码，而且页面级别也没设置，可以排除这方面的问题了。注意到文件编码是UTF-8，会不是会文件编码引起的呢？（提示：这里的文件编码指的是保存文件时指定的编码，点击“另存为…”，在弹出的窗口中选择“编码保存”可以看到）。果然，此aspx页面的保存编码为GB2312，与web.config文件不一样，把它修改为UTF-8。

小提示：UTF-8有两种编码：UTF-8（带签名）和UTF-8（无签名）。带签名的UTF-8会在文件的开头写入“EF BB BF”（16进制），以标示自己采用的编码格式，这个标志称为BOM（Byte Order Mark）,即字节序。打个比方，UTF-8（带签名）戴了校徽的学生，就算不认识他的人，一看校徽就明白了；而UTF-8（无签名）则是没戴校徽的。这里的校徽就是我们说的BOM，一个能够表明自己身份的标志。

小结

这是因为文件的保存编码与当前网站指定的文件编码不一致引起的，所以最佳实践是：手动在web.config中指定文件编码，并确保所有页面的保存编码与web.config一致。

其实最容易出这种问题的是js和CSS文件，如果你用其它工具（比如Dreamweaver）来编写这些文件却采用不同的编码保存，一旦文件包含中文就可能出这样的错误，导致js脚本错误，css无效！

实例2 跨页post提交时接收的Form数据变成了乱码

背景

有两个页面，注册页面（register.html）和处理注册的页面（handle.aspx），注册页面的表单信息以post方式提交到handle.aspx。根目录的配置的文件编码、请求编码和响应编码都是UTF-8。

register.html页面的关键html

<head>

<title></title>

<meta http-equiv="Content-Type" content="text/html;charset=gb2312" />

</head>

<body>

<form id="form1" name="form1" action="handle.aspx" method="post">

<input type="text" id="txtName" name="txtName" />

<input type="submit" id="btnSubmit" value="Post" />

</form>

handle.aspx页面关键后台代码

view plain

protected void Page_Load(object sender, EventArgs e)

{

string name = Request.Form["txtName"];

Response.Write(name);

}

错误信息如下

分析与解决

这是在提交表单信息过程产生的乱码，这里就涉及http请求和http响应的编码问题。我们上面说过，在请求时浏览器会把表单信息按指定编码转化成字节流发向Web服务器，在服务器ASP.NET会把这些字节流按指定的编码解码，以取得表单信息。那么我们就要检查这两个页面的编码了。仔细检查之后，发现register.html有这么一行“<meta http-equiv="Content-Type" content="text/html;charset=gb2312" />”，这里手动指定了页面编码为GB2312。问题很有可能就出在这里了，把本行删除之后，handle.aspx页面成功接收到表单信息。

没错，这就是由于两个页面的编码不一样引起。让我们再深入一点，仔细看看问题是怎么一步一步产生的吧。register.html的编码为GB2312，当我们点击了“Post”按钮时，浏览器会把“我是中文”这几个字按GB2312的方式编码成字节流，然后提到到handle.aspx页面。handle.aspx没有手动指定编码，那么他将会采用web.config里面的配置，为UTF-8。它收到请求后，用UTF-8编码解码字符流。由于请求用的是GB2312，而接收用的却是UTF-8，这样就导致乱码的产生。通过下面这幅图可以看到这个过程。

小结

所有的页面（不管是aspx，还是html，或其它）都必须使用相同的编码。如果涉及跨页提交，不管是get还是post，更应该严格保持相关页面编码的一致性。特别是跨站点提交时，更应该注意！

实例3 　cookie存取发生乱码

背景

这是一个旧项目，现在决定增加一个自动登录的功能。详细过程是这样的：

在登录页面，用户登录成功后把用户名写到cookie中。这样，当用户再次访问时，就可以根据cookie判定用户是否已登录，从而实现自动登录。

登录成功后cookie是这样保存的

view plain

string userName = "cookie大侠"; //待保存的用户名

userName = HttpUtility.UrlEncode(userName); //编码特殊字符，如中文

HttpCookie cookie = new HttpCookie("userName", userName);

Response.Cookies.Add(cookie);

判断用户是否已登录时，代码是这样的

view plain

string userName = Request.Cookies["userName"].Value;

userName = Server.UrlDecode(userName);

Response.Write(userName); //总是获取不到cookie，所以决定打印出来看看

结果在测试读取cookie的时候，页面输出了乱码，如下图：

分析与解决

全球化信息是这样配置的

<gl