關于字符集和Unicode的相關知識

原文地址：http://www.joelonsoftware.com/articles/Unicode.html
作者：Joel Spolsky
譯文：http://local.joelonsoftware.com/wiki/Talk:Chinese_(Simplified)

每個程序員都絕對必須知道的關于字符集和Unicode的那點兒事（別找借口！）

Unicode與字符集

你曾經是否覺得HTML中的"Content-Type"標簽充滿神秘？雖然你知道這個東西必須出現在HTML中，但對于它到底干嗎你可能一無所知。

你是否曾經收到過來自你保加利亞朋友的郵件，到處都是"???? ?????? ??? ????"?

我很失望，因為我發現許多軟件開發人員到現在為止都還沒有對字符集、編碼、Unicode有一個清晰的認識，這是個事實。幾年前，在測試FogBUGZ項目時，忽然想看看它能不能接收用日文寫的電子郵件。這個世界上會有人用日文寫電子郵件？我不知道。測試結果很糟糕。我仔細看了用來解析MIME (Multipurpose Internet Mail Extenisons)格式的郵件所用的ActiveX控件，發現了它在字符集上面做的蠢事。于是我們不得不重新寫一段代碼，先消除Active控件的錯誤，然后再完成正確的轉換。類似的事情在我研究另一個商業庫的時候同樣發生了，這個庫關于字符編碼這部分的實現簡直糟透了。我找到它的開發者，把存在問題的包指給他，他卻表示對于此無能為力。像很多程序員一樣，他只希望這個缺陷會被人們遺忘。

事實并非如他所愿。因為我發現，像PHP這么流行的網頁開發工具，竟然在實現上也完全忽略了多種字符編碼的存在（譯者注：這篇文章寫于2003年，現在的 PHP可能已經糾正了這個問題吧），盲目地只使用8個比特來表示字符，于是開發優秀的國際化的Web應用程序變成了一場夢。我想說，受夠了。

我申明：在2003年，如果你是一個程序員，但你卻對字符、字符集、編碼和Unicode一無所知，那么你別讓我抓到你。如果落在我手里，我會讓你待在潛水艇里剝六個月的洋蔥，我發誓。

另外，還有一件事：

在這篇文章里，我所講的是每一個工作中的程序員都應該知道的知識。所有以為"純文本 = ASCII碼 = 一個字符就是8比特"的人不單單錯了，而且錯得離譜。如果你仍然堅持使用這種方式編寫程序，那么你比一個不相信細菌的存在醫生好不到哪里去。所以在你讀完這篇文章以前，不要再寫半行代碼。

在我開始之前，必須說明白，如果你已經了解了國際化，可能你會覺得這篇文章過于簡單。沒錯，我的的確確是想架一座最短的橋，讓任何人都可以理解發生了什么事，懂得如何寫出可以在非英文語言環境是正常工作的代碼。還得指出，字符處理僅僅是軟件國際化中的一小部分，但一口吃不成個胖子，今天我們只看什么是字符集。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈