郑州网建 - 编码百科

UTF8 与 UTF8 +BOM 区别

camnpr@163.com (camnpr) — Thu, 12 Jun 2014 18:34:56 +0800

一个带标签，一个没有标签。
BOM是Byte Order Mark（定义字节顺序），因为在网络传输中分两种顺序：大头和小头。

由于兼容性，带BOM的utf-8在一些browser中显示为乱码。

网上搜索了关于Byte Order Mark的信息：
在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建

议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这

个字节流是Little- Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF

开头的字节流，就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。

带BOM的UTF-8，所有PHP无法识别，直接将EF BB BF输出，在charset="utf-8"的页面中是空白，在GB2312的页面中的输出的就是稀有汉字：锘匡豢

怎么转化为 UTF-8，无bom格式？？
用 UltarEdit 可以转化的
直接用UE打开你的文件,然后在文件选项里面有一个转化的选项
里面选ascii转化为 uft-8 就可以了

【UTF8 + BOM产生问题与小结】
写python脚本的时候发现这样一个问题：从xls文件导出到txt时，无法直接转换为int型数据，输出查看发现和文件编码方式产生的附加信息有关用一个简单的

文件举例

90905

90907

90908

90909

90939

90940

90946

90959

90961

90965

当文件分别用ascii，utf8，utf8+bom作为编码格式时，显示输出结果如下：

使用ascii编码的输出：

['90905\r\n', '90907\r\n', '90908\r\n', '90909\r\n', '90939\r\n', '90940\r\n', '90946\r\n', '90959\r\n', '90961\r\n', '90965']

使用utf8编码的输出：

['90905\r\n', '90907\r\n', '90908\r\n', '90909\r\n', '90939\r\n', '90940\r\n', '90946\r\n', '90959\r\n', '90961\r\n', '90965']

使用bom编码的输出：

['\xef\xbb\xbf90905\r\n', '90907\r\n', '90908\r\n', '90909\r\n', '90939\r\n', '90940\r\n', '90946\r\n', '90959\r\n', '90961\r\n', '90965']

原来utf8+bom不能直接转换int的原因在这里，它在文件头插入了一个表示文件编码的信息\xef\xbb\xbf，那么UTF-8(无BOM）和UTF－8这两个有什么区别呢？

BOM是什么呢？

什么是BOM？
BOM: Byte Order Mark
UTF-8 BOM又叫UTF-8 签名,其实UTF-8 的BOM对UFT-8没有作用,是为了支持UTF-16,UTF-32才加上的

BOM,BOM签名的意思就是告诉编辑器当前文件采用何种编码,方便编辑器识别,但是BOM虽然在编辑器中不显示,但是会产生输出,就像多了一个空行。

Byte Order Marks are special characters at the beginning of a Unicode file to indicate whether it is big or little endian, in other words

does the high or low order byte come first. These codes also tell whether the encoding is 8, 16 or 32 bit. You can recognise Unicode files by their starting byte order marks, and by the way Unicode-16 files are half zeroes and Unicode-32 files are three-quarters zeros. Unicode Endian Markers

Byte-order mark Description
EF BB BF UTF-8
FF FE UTF-16 aka UCS-2, little endian
FE FF UTF-16 aka UCS-2, big endian
00 00 FF FE UTF-32 aka UCS-4, little endian.
00 00 FE FF UTF-32 aka UCS-4, big-endian.

UTF的字节序和BOM
UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：

在UCS编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。

这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。

原来BOM是在文件的开始加了几个字节作为标记。有了这个标记，一些协议和系统才能识别。

ok,说了这么多背景，那么如何解决这个问题呢？

如何使用BOM头
BOM头的删除
对UTF-16, Python将BOM解码为空字串。然而对UTF-8, BOM被解码为一个字符，如例：

>>> codecs.BOM_UTF16.decode( "utf16" ) u'' >>> codecs.BOM_UTF8.decode( "utf8" ) u'\ufeff'简单的做法是在文件读入时使用

import codecs

f = codecs.open(sys.argv[1],'r', 'utf_8_sig')即可，具体可以参见[http://docs.python.org/library/codecs.html#module-

encodings.utf_8_sig|http://docs.python.org/library/codecs.html#module-encodings.utf_8_sig]

或者：

u.lstrip( unicode( codecs.BOM_UTF8, "utf8" ) )BOM头的添加
out = file( "someFile", "w" )
out.write( codecs.BOM_UTF8 )
out.write( unicodeString.encode( "utf-8" ) )
out.close()out = file( "someFile", "w" )out.write( codecs.BOM_UTF8 )out.write( unicodeString.encode( "utf-8" ) )out.close()详细的过程解释可

以参见[http://mindprod.com/jgloss/encoding.html|http://mindprod.com/jgloss/encoding.html]

参考资料：

[http://blog.sina.com.cn/s/blog_3e9d2b350100as0b.html|http://blog.sina.com.cn/s/blog_3e9d2b350100as0b.html]

[http://4nail.iteye.com/blog/840612|http://4nail.iteye.com/blog/840612]

【UTF8和UTF8 + BOM 网页代码一般使用哪个？】

首先，BOM是啥。这个就不解释了，Wikipedia上很详细。http://en.wikipedia.org/wiki/Byte_order_mark...。

在网页上使用BOM是个错误。BOM设计出来不是用来支持HTML和XML的。要识别文本编码，HTML有charset属性，XML有encoding属性，没必要拉BOM撑场面。虽然理论上BOM可以用来识别UTF-16编码的HTML页面，但实际工程上很少有人这么干。毕竟UTF-16这种编码连ASCII都双字节，实在不适用于做网页。

其实说BOM是个坏习惯也不尽然。BOM也是Unicode标准的一部分，有它特定的适用范围。通常BOM是用来标示Unicode纯文本字节流的，用来提供一种方便的方法让文本处理程序识别读入的.txt文件是哪个Unicode编码（UTF-8，UTF-16BE，UTF-16LE）。Windows相对对BOM处理比较好，是因为Windows把Unicode识别代码集成进了API里，主要是CreateFile()。打开文本文件时它会自动识别并剔除BOM。Windows用这个有历史原因，因为它最初脱胎于多代码页的环境。而引入Unicode时Windows的设计者又希望能在用户不注意的情况下同时兼容Unicode和非Unicode（Multiple byte）文本文件，就只能借助这种小trick了。相比之下，Linux这样的系统在多locale的环境中浸染的时间比较短，再加上社区本身也有足够的动力轻装前进（吐槽：微软对兼容性的要求确实是到了非常偏执的地步，任何一点破坏兼容性的做法都不允许，以至于很多时候是自己绑住自己的双手），所以干脆一步到位进入UTF-8。当然中间其实有一段过渡期，比如从最初全UTF-8的GTK+2.0发布到基本上所有GTK开发者都弃用多locale的GTK+1.2，我印象中至少经历了三到四年。

BOM不受欢迎主要是在UNIX环境下，因为很多UNIX程序不鸟BOM。主要问题出在UNIX那个所有脚本语言通行的首行#!标示，这东西依赖于shell解析，而很多shell出于兼容的考虑不检测BOM，所以加进BOM时shell会把它解释为某个普通字符输入导致破坏#!标示，这就麻烦了。其实很多现代脚本语言，比如Python，其解释器本身都是能处理BOM的，但是shell卡在这里，没办法，只能躺着也中枪。说起来这也不能怪shell，因为BOM本身违反了一个UNIX设计的常见原则，就是文档中存在的数据必须可见。BOM不能作为可见字符被文本编辑器编辑，就这一条很多UNIX开发者就不满意。

顺便说一句，即使脚本语言能处理BOM，随处使用BOM也不是推荐的办法。各个脚本语言对Unicode的处理都有自己的一套，Python的 # -*- coding: utf-8 -*-，Perl的use utf8，都比BOM简单而且可靠。另一个好消息是，即使是必须在Windows和UNIX之间切换的朋友也不会悲催。幸亏在UNIX环境下我们还有VIM这种神器，即使遇到BOM挡道，我们也可以通过 set nobomb; set fileencoding=utf8; w 三条命令解决问题。

最后回头想想，似乎也真就只有Windows坚持用BOM了。

P.S.：为什么说VIM去除bomb的操作需要在UNIX下完成。因为VIM在Windows环境下有一个奇怪的bug，总是把UTF-16文件识别成二进制文件，而UNIX（Linux或者Mac都可以）下VIM则无问题。这个问题从VIM 6.8一直跟着我到VIM 7.3。目前尚不清楚这是VIM的bug还是我自己那个.vimrc文件的bug。

【谈谈Unicode编码，简要解释UCS、UTF、BMP、BOM等名词】
这是一篇程序员写给程序员的趣味读物。所谓趣味是指可以比较轻松地了解一些原来不清楚的概念，增进知识，类似于打RPG游戏的升级。整理这篇文章的动机是两个问题：

问题一：
使用Windows记事本的“另存为”，可以在GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件，Windows是怎样识别编码方式的呢？

我很早前就发现Unicode、Unicode big endian和UTF-8编码的txt文件的开头会多出几个字节，分别是FF、FE（Unicode）,FE、FF（Unicode big endian）,EF、BB、BF（UTF-8）。但这些标记是基于什么标准呢？

问题二：
最近在网上看到一个ConvertUTF.c，实现了UTF-32、UTF-16和UTF-8这三种编码方式的相互转换。对于Unicode(UCS2)、GBK、UTF-8这些编码方式，我原来就了解。但这个程序让我有些糊涂，想不起来UTF-16和UCS2有什么关系。
查了查相关资料，总算将这些问题弄清楚了，顺带也了解了一些Unicode的细节。写成一篇文章，送给有过类似疑问的朋友。本文在写作时尽量做到通俗易懂，但要求读者知道什么是字节，什么是十六进制。

0、big endian和little endian
big endian和little endian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时，究竟是将6C写在前面，还是将49写在前面？如果将6C写在前面，就是big endian。还是将49写在前面，就是little endian。

“endian”这个词出自《格列佛游记》。小人国的内战就源于吃鸡蛋时是究竟从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开，由此曾发生过六次叛乱，其中一个皇帝送了命，另一个丢了王位。

我们一般将endian翻译成“字节序”，将big endian和little endian称作“大尾”和“小尾”。

1、字符编码、内码，顺带介绍汉字编码
字符必须编码后才能被计算机处理。计算机使用的缺省编码方式就是计算机的内码。早期的计算机使用7位的ASCII编码，为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。

GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。2000年的GB18030是取代

GBK1.0的正式国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312。

从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。在这些编码中，英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼，GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。

有的中文Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常我们还是用GBK指代中文Windows内码。

这里还有一些细节：

GB2312的原文还是区位码，从区位码到内码，需要在高字节和低字节上分别加上A0。

在DBCS中，GB内码的存储格式始终是big endian，即高位在前。

GB2312的两个字节的最高位都是1。但符合这个条件的码位只有128*128=16384个。所以GBK和GB18030的低字节最高位都可能不是1。不过这不影响DBCS字符流的

解析：在读取DBCS字符流时，只要遇到高位为1的字节，就可以将下两个字节作为一个双字节编码，而不用管低字节的高位是什么。

2、Unicode、UCS和UTF 前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容（更准确地说，是与ISO-8859-1兼容），与GB码不兼容。例如“汉”字的Unicode编码是6C49，而GB码是BABA。

Unicode也是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。

根据维基百科全书(http://zh.wikipedia.org/wiki/)的记载：历史上存在两个试图独立设计Unicode的组织，即国际标准化组织（ISO）和一个软件制造商的协会（unicode.org）。ISO开发了ISO 10646项目，Unicode协会开发了Unicode项目。

在1991年前后，双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode2.0开始，Unicode项目采用了与ISO 10646-1相同的字库和字码。

目前两个项目仍都存在，并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是10646-3:2003。

UCS规定了怎么用多个字节表示各种文字。怎样传输这些编码，是由UTF(UCS Transformation Format)规范规定的，常见的UTF规范包括UTF-8、UTF-7、UTF-16。

IETF的RFC2781和RFC3629以RFC的一贯风格，清晰、明快又不失严谨地描述了UTF-16和UTF-8的编码方法。我总是记不得IETF是Internet Engineering Task Force的缩写。但IETF负责维护的RFC是Internet上一切规范的基础。

3、UCS-2、UCS-4、BMP UCS有两种格式：UCS-2和UCS-4。顾名思义，UCS-2就是用两个字节编码，UCS-4就是用4个字节（实际上只用了31位，最高位必须为0）编码。下面让我们做一些简单的数学游戏：

UCS-2有2^16=65536个码位，UCS-4有2^31=2147483648个码位。

UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为256行 (rows)，每行包含256个cells。当然同一行的cells只是最后一个字节不同，其余都相同。

group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中，高两个字节为0的码位被称作BMP。

将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节，就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。

4、UTF编码

UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：

UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx

例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001，用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

读者可以用记事本测试一下我们的编码是否正确。

UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码，UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码，定义了一个算法。不过由于实际使用的UCS2，或者UCS4的BMP必然小于0x10000，所以就目前而言，可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案，UTF-16却要用于实际的传输，所以就不得不考虑字节序的问题。

5、UTF的字节序和BOM
UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：

在UCS编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF（读者可以用我们前面介绍的编码方法验证一下）。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。

6、进一步的参考资料
本文主要参考的资料是 "Short overview of ISO-IEC 10646 and Unicode" (http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)。

两篇看上去不错的资料：

"Understanding Unicode A general introduction to the Unicode Standard" (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter04a)
"Character set encoding basics Understanding character set encodings and legacy encodings" (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter03)
网上应该有UTF-8、UCS-2、GBK相互转换的软件包，包括使用Windows API和不使用Windows API的版本。

总结vCard(vcf格式)通讯录格式解析

camnpr@163.com (佚名) — Tue, 10 Jun 2014 18:54:28 +0800

最在网络上面查找关于vcard格式的技术资料，发现中文的资料很少，只能阅读vCard MIME

Directory Profile（rfc－2426）翻译它需要花太多的时间，现在把自己的理解做下记录，

希望对大家有帮助

VCard 数据格式的标识符是VCARD

l 预定义的值类型：uri, date, date-time, float

l 新增加的值类型：binary, phone-number, utc-offset and vcard value

l 预定义的类型：SOURCE, NAME, PROFILE, BEGIN, END.

l 新增加的类型：FN, N, NICKNAME, PHOTO, BDAY, ADR, LABEL, TEL, EMAIL,

MAILER, TZ, GEO, TITLE, ROLE, LOGO, AGENT, ORG, CATEGORIES, NOTE,

PRODID, REV, SORT-STRING, SOUND, URL, UID, VERSION, CLASS, KEY

l 预定义的参数：ENCODING, VALUE, CHARSET, LANGUAGE, CONTEXT.

l 新增加的参数：TYPE

vCard数据格式行是: 类型 [;参数]:值

ADR;HOME;POSTAL;PARCEL:;;街道地址;深圳;广东;433330;中国

ADR：是一个类型，表示是一条地址信息

“;”号是分隔符合

HOME;POSTAL;PARCEL表示参数，表示ADR的用途或者是类别

:;;街道地址;深圳;广东;433330;中国表示是一个ADR值，地址值

预定义类型的用法

BEGIN 和 END 类型

Vcard内容必须以BEGIN:VCARD开头，以END:VCARD结尾

参考一个vcard的例子1：

BEGIN:VCARD

VERSION:2.1

N:周;鹏

FN:周鹏

NICKNAME:nickName

ORG:深圳敖天;部门

TITLE:职位

NOTE;ENCODING=QUOTED-PRINTABLE:=C6=E4=CB=FB

TEL;WORK;VOICE:电话1

TEL;WORK;VOICE:电话2

TEL;HOME;VOICE:电话1

TEL;HOME;VOICE:电话2

TEL;CELL;VOICE:13590342862

TEL;PAGER;VOICE:0755

TEL;WORK;FAX:传真

TEL;HOME;FAX:传真

ADR;WORK:;;单位地址;深圳;广东;433000;国家

LABEL;WORK;ENCODING=QUOTED-PRINTABLE:=B5=A5=CE=BB=B5=D8=D6=B7

=C9=EE=DB=DA

=B9=E3=B6=AB

433000

=B9=FA=BC=D2

ADR;HOME;POSTAL;PARCEL:;;街道地址;深圳;广东;433330;中国

LABEL;HOME;ENCODING=QUOTED-PRINTABLE:=BD=D6=B5=C0=B5=D8=D6=B7

=C9=EE=DB=DA

=B9=E3=B6=AB

433330

=D6=D0=B9=FA

URL:http://

URL:单位主页

EMAIL;PREF;INTERNET:guodc@139.com

X-QQ:38394246

X-ICQ:icq

X-WAB-GENDER:2

REV:20060220T180305Z

END:VCARD

NAME 类型

如果在内容中出现NAME类型，那么它的值是一个可以显示的，描述vCard源的文本

PROFILE类型

   如果出现PROFILE类型，那么它的值必须是“VCARD”

SOURCE 类型

  如果包含SOURCE类型，它的值提供一些怎样找到vCard源的信息

预定参数的用法

LANGUAGE

 参考[MIME-DIR]文档

ENCODING

参考[MIME-DIR]文档

VALUE

参考[MIME-DIR]文档

预定义值类型的用法

在[MIME-DIR]中预定类型的值一定不能包含用逗号分开的列表，除N，NICKNAME, ADR和 CATEGORIES值类型外。

预定义值类型的扩展

BINARY

表明类型的值是二进制的，主要应用在类型PHOTO, LOGO, SOUND, and KEY中.

ENCODING参数的值必须指定为“B”

        二进制的内容的编码参考[RFC 2047]

VCARD

表示一个类型的值是一个vCard对象

PHONE-NUMBER

表示类型的值是一个电话号码

UTC-OFFSET

表示时间

结构类型的值

复合类型值是用分号分开的字段的集合，复合类型值中避免使用分号，如何需要使用分号，需要用“/分号“替代

行的限定和分行

参考[MIME DIR]，如果行的长度超过了75个字符，那么必须分行。

VCard 特征

标识类型

FN 类型定义

目的：vcard对象的名称，一个vcard对象必须包含FN类型。

例子：FN:Mr. John Q. Public/, Esq.

N类型定义

目的：FN表示一个vcard对象的名称，N表示这个对象名称的组成部分

  例子：N:Public;John;Quinlan;Mr.;Esq.

        N:Stevenson;John;Philip,Paul;Dr.;Jr.,M.D.,A.C.P.

  各个组成部分可以用分号分号，每个组成部分可以用逗号。

NICKNAME类型定义

目的：表示别名

例子：NICKNAME:Robbie

        NICKNAME:Jim,Jimmie

PHOTO类型定义

目的：vcard对象的图像信息

例子：PHOTO;VALUE=uri:http://www.abc.com/pub/photos/jqpublic.gif

      PHOTO;ENCODING=b;TYPE=JPEG:MIICajCCAdOgAwIBAgICBEUwDQYJKoZIhvcN

         AQEEBQAwdzELMAkGA1UEBhMCVVMxLDAqBgNVBAoTI05ldHNjYXBlIENvbW11bm

         ljYXRpb25zIENvcnBvcmF0aW9uMRwwGgYDVQQLExNJbmZvcm1hdGlvbiBTeXN0

         <...remainder of "B" encoded binary data...>

   如果使用内联的二进制数据表示图片信息，那么;ENCODING=b

BDAY类型定义

目的：表示出生日期

例子：BDAY:1996-04-15

        BDAY:1953-10-15T23:10:00Z

        BDAY:1987-09-27T08:30:00-06:00

地址类型

ADR 类型定义

目的：是一个组合，用来表示一个地址信息，值类型是一个用分号分开的文本值

例子：ADR;TYPE=dom,home,postal,parcel:;;123 Main Street;Any Town;CA;91921-1234;A

ADR;HOME;POSTAL;PARCEL:;;街道地址;深圳;广东;433330;中国

        组合由一下部分顺序的组成：

the post office box;

the extended address;

the street address;

the locality (e.g., city);

the region (e.g., state or  province);

the postal code;

the country name

七个部分组成，如果，其他的一个部分没有，必须用分号分开

 type 参数的说明

"dom"  国内地址

"intl" 国际地址

"parcel"包裹递送地址

"home" 居住地址;

"work"工作地址;

"pref" 有多个地址的时候，优先的地址

缺省的"TYPE=intl,postal,parcel,work"，可以替换

LABEL类型定义

目的：是一格式化的文本值，表示一个地址

例子：LABEL;TYPE=dom,home,postal,parcel:Mr.John Q. Public/, Esq./n

         Mail Drop: TNE QB/n123 Main Street/nAny Town/, CA  91921-1234

         /nU.S.A.

 type 参数的说明

"dom"  国内地址

"intl" 国际地址

"parcel"包裹递送地址

"home" 居住地址;

"work"工作地址;

"pref" 有多个地址的时候，优先的地址

缺省的"TYPE=intl,postal,parcel,work"，可以替换

和ADR的不同是 ADR的值是用分号分开的数据，LABEL就是一个格式化的文本。

电话通信地址类型

TEL类型定义

目的：指定一个电话号码

例子：TEL;TYPE=work,voice,pref,msg:+1-213-555-1234

说明：值是一个规范的全球唯一的电话号码

     TYPE参数的值有：

            "home"表示家庭电话

        "msg" 表示这个号码支持语音

"work" 工作电话

"pref" 表示多个电话中最喜欢使用的电话

"voice" 声音电话号码

               "fax"传真号码

        "cell" 表示手机电话

"video" 视频电话

"pager" 调度电话，估计是总机的电话

        "bbs" 公开的广播系统的电话

        "modem" 调制解调器电话

        "car"汽车电话

        "isdn" ISDN连接电话号码

 "pcs" 个人通信服务电话

缺省是 "voice".

TYPE参数的用法是TYPE=work;TYPE=voice或者"TYPE=work,voice"，缺省值可以被重置

 "TYPE=work,home,voice,fax".

EMAIL类型定义

目的：指定一个电子邮件

例子：EMAIL;TYPE=internet:jqpublic@xyz.dom1.com

    EMAIL;TYPE=internet:jdoe@isp.net

    EMAIL;TYPE=internet,pref:jane_doe@abc.com

TYPE参数的使用

"internet" 表示一个internet 类型地址

    "x400" 表示是一个 X.400 地址

"pref"最喜欢使用的邮件电子

缺省是"internet".

MAILER 类型定义

目的：指定一个电子邮件发送者

例子：MAILER:PigeonMail 2.1

地理类型

TZ类型定义

目的：时区信息

例子：TZ:-05:00

        TZ;VALUE=text:-05:00; EST; Raleigh/North America

        缺省是一个utc-offset值.

GEO类型定义

目的：地理位置信息

例子GEO:37.386013;-122.082932

     CEO 经度；纬度

组织类型

TITLE类型定义

目的：工作位置，工作职能（job title）

例子TITLE:Director/, Research and Development

ROLE 类型定义

目的：公司的职业（occupation）

例子ROLE:Programmer

LOGO类型定义

目的：公司logo，是一个图像信息

例子LOGO;VALUE=uri:http://camnpr.com/pub/logos/abccorp.jpg

LOGO;ENCODING=b;TYPE=JPEG:MIICajCCAdOgAwIBAgICBEUwDQYJKoZIhvcN         AQEEBQAwdzELMAkGA1UEBhMCVVMxLDAqBgNVBAoTI05ldHNjYXBlIENvbW11bm

         ljYXRpb25zIENvcnBvcmF0aW9uMRwwGgYDVQQLExNJbmZvcm1hdGlvbiBTeXN0

         <...the remainder of "B" encoded binary data...>

说明：TYPE知道图像的格式，ENCODING=b表示是二进制的数据流

      URI表示是一个外部图像对象

AGENT类型定义

目的：指定另外一个人替换他的个人行为

例子：AGENT;VALUE=uri: CID:JQPUBLIC.part3.960129T083020.xyzMail@host3.com

AGENT:BEGIN:VCARD/nFN:Susan Thomas/nTEL:+1-919-555-

         1234/nEMAIL/;INTERNET:sthomas@host.com/nEND:VCARD/n

说明：缺省是一个Vcard对象，当时也可是一个URI指定的外部Vcard对象

ORG类型定义

目的：表示一个组织的名称

例子ORG:ABC/, Inc.;North American Division;Marketing

解释类型

CATEGORIES类型定义

目的：vcard应用的分类信息

例子：CATEGORIES:TRAVEL AGENT

      CATEGORIES:INTERNET,IETF,INDUSTRY,INFORMATION TECHNOLOGY

NOTE 类型定义

目的：对vcard的注释和说明

例子：NOTE:This fax number is operational 0800 to 1715

          EST/, Mon-Fri.

PRODID类型定义

目的：指定创建Vcard对象的产品的ID

例子：PRODID:-//ONLINE DIRECTORY//NONSGML Version 1//EN

REV类型定义

目的：指定当前Vcard的修改信息

例子：REV:1995-10-31T22:27:10Z

      REV:1997-11-15

SORT-STRING类型定义

目的：指定家庭名称或者其他名称对FN和N类型排序

例子：  FN:Rene van der Harten

        N:van der Harten;Rene;J.;Sir;R.D.O.N.

        SORT-STRING:Harten

        FN:Robert Pau Shou Chang

        N:Pau;Shou Chang;Robert

        SORT-STRING:Pau

        FN:Osamu Koura

        N:Koura;Osamu

        SORT-STRING:Koura

        FN:Oscar del Pozo

        N:del Pozo Triscon;Oscar

        SORT-STRING:Pozo

        FN:Chistine d'Aboville

        N:d'Aboville;Christine

        SORT-STRING:Aboville

SOUND类型定义

目的：指定Vcard的数字声音信息，缺省是指定vcard的name类型的发音信息。

例子：  SOUND;TYPE=BASIC;VALUE=uri:CID:JOHNQPUBLIC.part8.

         19960229T080000.xyzMail@host1.com

        SOUND;TYPE=BASIC;ENCODING=b:MIICajCCAdOgAwIBAgICBEUwDQYJKoZIhvcN         AQEEBQAwdzELMAkGA1UEBhMCVVMxLDAqBgNVBAoTI05ldHNjYXBlIENvbW11bm         ljYXRpb25zIENvcnBvcmF0aW9uMRwwGgYDVQQLExNJbmZvcm1hdGlvbiBTeXN0	 <...the remainder of "B" encoded binary data...>

可以用URI指定一个外部声音二进制流

    可以是内置的声音二进制流，ENCODING=b

UID类型定义

目的：指定一个全球唯一的个人或资源标识。

例子：UID:19950401-080045-40000F192713-0052

URL类型定义

目的：指定Vcard 参考的路径。

例子：URL:http://www.swbyps.restaurant.french/~chezchic.html

VERSION类型定义

目的：指定Vcard使用的vcard规范的版本。

例子：  VERSION:3.0

Security 类型

CLASS类型定义

目的：指定访问Vcard对象的访问分级。

例子：  CLASS:PUBLIC

        CLASS:PRIVATE

        CLASS:CONFIDENTIAL

说明：安全分级需要参考目录服务的访问分级

KEY 类型定义

目的：指定Vcard的公共钥匙值（加密解密是使用）或者是授权认证。

例子：  KEY;ENCODING=b:MIICajCCAdOgAwIBAgICBEUwDQYJKoZIhvcNAQEEBQA

         wdzELMAkGA1UEBhMCVVMxLDAqBgNVBAoTI05ldHNjYXBlIENbW11bmljYX

         Rpb25zIENvcnBvcmF0aW9uMRwwGgYDVQQLExNJbmZvcm1hdGlvbiBTeXN0

         ZW1zMRwwGgYDVQQDExNyb290Y2EubmV0c2NhcGUuY29tMB4XDTk3MDYwNj

         E5NDc1OVoXDTk3MTIwMzE5NDc1OVowgYkxCzAJBgNVBAYTAlVTMSYwJAYD

         VQQKEx1OZXRzY2FwZSBDb21tdW5pY2F0aW9ucyBDb3JwLjEYMBYGA1UEAx

         MPVGltb3RoeSBBIEhvd2VzMSEwHwYJKoZIhvcNAQkBFhJob3dlc0BuZXRz

         Y2FwZS5jb20xFTATBgoJkiaJk/IsZAEBEwVob3dlczBcMA0GCSqGSIb3DQ

         EBAQUAA0sAMEgCQQC0JZf6wkg8pLMXHHCUvMfL5H6zjSk4vTTXZpYyrdN2

         dXcoX49LKiOmgeJSzoiFKHtLOIboyludF90CgqcxtwKnAgMBAAGjNjA0MB

         EGCWCGSAGG+EIBAQQEAwIAoDAfBgNVHSMEGDAWgBT84FToB/GV3jr3mcau

         +hUMbsQukjANBgkqhkiG9w0BAQQFAAOBgQBexv7o7mi3PLXadkmNP9LcIP

         mx93HGp0Kgyx1jIVMyNgsemeAwBM+MSlhMfcpbTrONwNjZYW8vJDSoi//y

         rZlVt9bJbs7MNYZVsyF1unsqaln4/vy6Uawfg8VUMk1U7jt8LYpo4YULU7

         UZHPYVUaSgVttImOHZIKi4hlPXBOhcUQ==

扩展类型

可以定义自己的类型，自己定义的类型需要以“x-”开头

比喻例子中的信息：

X-QQ:38394246

X-ICQ:icq

X-WAB-GENDER:2

分享百度移动版的url编码解码示例

camnpr@163.com (佚名) — Fri, 06 Jun 2014 11:11:55 +0800

代码如下:

页面javascript遇到乱码问题和无法转码的解决方法

camnpr@163.com (佚名) — Tue, 03 Jun 2014 16:32:04 +0800

昨天遇到一个棘手的问题，在老项目里加些js文件和老项目的编码格式不一致出现乱码。老页面是GB2312，链入的js文件是UTF-8，两个文件都不能转格式。

第一个想法就是将js文件中的中文转换为unicode编码。这种做法是建立在牺牲可读性的条件下的，中文全都变成密码了。

事后想想应该还有更好的方法吧，然后就去百度，方法如下：

代码如下:

加上红色的设置，意思是指定js文件的编码格式。这种方法还适合由服务器端动态生成的js文件前端人员无法转码，和跨域加载的他人网站的js文件的情况。

jsp文件中文保存时提示错误:Save could not be completed. Reason using “ISO-8859-1” character encoding

camnpr@163.com (camnpr) — Sat, 07 Dec 2013 13:54:53 +0800

在MyEclipse下编程时，保存的时候，如果出现如下图所示错误：

Reason： some characters cannot be mapped using “ISO-8859-1“ character encoding. Either change the encoding or remove the characters which are not supported by the “ISO-8859-1“ character encoding.

首先说明MyEclipse的默认编译语言是"ISO-8859-1"，这个语言不支持中文，所以如果编辑的程序含有中文而且编译语言是"ISO-8859-1“则就会出现这个问题！

解决方很简单，只要把默认编译语言改成支持中文的就OK了。

改法如下：

window --> Preferences --> General --> Content Types --> Text --> 选中出现保存问题的文件类型（如JSP）,在底部出现 'Default edcodng:',改成UTF-8或GBK（反正支持中文即可）,然后点击update。

对于新建的JSP页面代码如下：


<%@ page language="java" contentType="text/html; charset=ISO-8859-1"
 pageEncoding="ISO-8859-1"%>...

把第一行最后面的ISO-8859-1改成GBK或者UTF-8

改过后，如下：


<%@ page language="java" contentType="text/html; charset=utf-8"
 pageEncoding="utf-8"%>...

C#调用C++的dll时汉字出现乱码问题

camnpr@163.com (camnpr) — Fri, 08 Apr 2011 13:25:25 +0800

Win32API.CommonType.USER user = new Win32API.CommonType.USER();

byte[] byt = new byte[37];

                #region 给unsafe区域变量赋值
                unsafe
                {
                    byte[] bytUN = System.Text.Encoding.GetEncoding("GB2312").GetBytes(strUserName);
                    for (int i = 0; i < bytUN.Length; i++)
                    {
                        user.szName[i] = (sbyte)bytUN[i];
                    }

}

byte[] buf = new byte[Marshal.SizeOf(user)];
IntPtr ptr = Marshal.UnsafeAddrOfPinnedArrayElement(buf, 0);
Marshal.StructureToPtr(user, ptr, true);

乱码是啥形式的，比如在Unicode情况下，女对应PE.也叫变成乱码了，但是其实是解码方式不同，C++默认开发如果是用VS，那么就是GB2312的，你试一试C#。

你dll能用unicode重新编译么，然后c#也配上unicode应该就统一了

GBK,GB2312,UTF8是什么?

camnpr@163.com (camnpr) — Wed, 13 Oct 2010 16:23:05 +0800

UTF-8：Unicode TransformationFormat-8bit，允许含BOM，但通常不含BOM。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字

节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国

人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。

GBK：是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。

GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBD大。

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：

GBK、GB2312－－Unicode－－UTF8

UTF8－－Unicode－－GBK、GB2312

对于一个网站、论坛来说，如果英文字符较多，则建议使用UTF－8节省空间。不过现在很多论坛的插件一般只支持GBK。、
简单来说，unicode，gbk和大五码就是编码的值，而utf-8,uft-16之类就是这个值的表现形式．而前面那三种编码是一兼容的，同一个汉字，那三个码值是完全不一样的．如＂汉

＂的uncode值与gbk就是不一样的，假设uncode为a040，gbk为b030，而uft-8码，就是把那个值表现的形式．utf-8码完全只针对uncode来组织的，如果ＧＢＫ要转ＵＴＦ－８必须

先转uncode码，再转utf-8就ＯＫ了．

用Dreamweaver制作UTF-8编码的网页

camnpr@163.com (camnpr) — Sun, 10 Oct 2010 13:19:11 +0800

1，在Dreamweaver中制作基于UTF-8编码的网页，首先需要进行默认设置的调整：打开“编辑”菜单选择“首选参数”（或Ctrl+U），选择“新建文档”分类，设置“默认编码”为“UTF-8”

2，建立好站点，在“文件”面板的站点内任意新建网页文档，并在文档窗口中打开，在页面中输入中文（主要即测试utf-8对中文的支持）

3，（F12）测试该文档，页面浏览编码为utf-8，页面内容显示正常

以上是对静态文档的中文显示测试，可以说明：只要定义了CODEPAGE="65001"和charset=utf-8以及保存文档编码为utf-8（注意：用DW制作的UTF-8编码网页在使用“记事本”编辑时，编码自动显示为“utf-8”），在Dreamweaver中输入的中文在浏览时均能正常显示。下面就使用数据库，让编码utf-8的页面来显示数据记录中的中文。

4，新建数据库文件db1.mdb，新建表t_as，设计字段a_id和a_name，并对a_name字段添加内容，分别为“中国”、“江苏”和“扬州”

5，在却才新建的utf-8文档中输入连接数据库、显示数据记录等相关代码内容

6，继续测试页面，则显示为乱码

7，使用Editplus对该文件进行编辑，发现其中网页标题“无标题文档”为乱码

8，在Editplus中对乱码文本重新输入中文后，进行“另存”，并选择“装换器”为“utf-8”进行“保存”

9，此时浏览该文档，中文显示正常

测试到这里，我自己有些迷惑：

1，为什么Dreamweaver制作的UTF-8编码网页在独立输入中文时能正常显示，而在显示数据库记录内容时却乱码而示？

2，为什么Dreamweaver制作的UTF-8编码网页在使用Editplus编辑时，其原有的中文无一列外全显示为乱码？

3，为什么只用当使用Editplus对网页再次编辑，并保存成“真实”的UTF-8文件后，网页的内容浏览才算一百分通过？

是我的中文版操作系统？是我的中文版Access？

还是Dreamweaver本身的问题？（注意：虽然用DW制作的UTF-8编码网页在使用“记事本”软件编辑时完全正常，包括编码的保存自动为“utf-8”，但在Editplus中却非“UTF-8”）又还是我对Dreamweaver的设置有问题？

反正，现在的情况是：对于文档的UTF-8编码，我信赖Editplus多于Dreamweaver（即使用DW只是简单设计下页面，不输入任何中文，然后使用Editplus进行再编辑、再保存……）