php几个问题的记录

  最近在一个项目中使用了php，主要用它来生成json，遇到了一些问题，特此记录下来。

1.

要想使用php的curl功能，需要进行一些配置工作，方法如下（我使用的是AppServ）：

使用phpinfo()函数查看php.ini配置文件的存放路径。一般是在C盘的windows下。

找到extension=php_curl.dll，将注释去掉，开启这个扩展。

在apche的httpd.conf中加入如下配置（装载curl需要的2个dll链接库），路径替换为相应的路径：

LoadFile "D:/AppServ/php5/ssleay32.dll"
LoadFile "D:/AppServ/php5/libeay32.dll"

在控制面板->服务那里重启下apache即可使用curl了。

如下面一段简单的代码，可以拿去到百度的首页。

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL, 'http://www.baidu.com');

curl_exec($ch);

curl_close($ch);

2.

补充加更正：重读了下阮一峰老师的文章，补充下。

Unicode编码和Utf8编码不是一回事，Unicode是字符集，只是规定字符的二进制代码，而没有规定这个二进制代码如何存储；Utf8是Unicode的一种实现，采用变长编码（使用1～4个字节来存储一个符号）。如：严的Unicode码是4E25，而Utf8编码是E4B8A5。

具体到保存成文件，如果我们以utf-8格式保存“严”，则实际存储的数据是：EF BB BF E4 B8 A5，前3个EF BB BF表明是utf-8文件（带BOM）；以utf-8无BOM格式保存，则实际存储数据是：E4 B8 A5。

问题是，怎么utf-8保存的是E4 B8 A5，json_encode后传回来的，我们会看到\u4E25这种形式？我个人的理解是js内码是Unicode（或者可以说Utf16？）的，于是会就将E4 B8 A5“转换理解”成\u4E25；同样，带BOM的也一样，EF BB BF理解成\uFEFF。另外一种理解是E4 B8 A5只是计算机内部的表示方法，显示给人看时，还是使用Unicode码比较直观？

php的json_encode函数假定给定的数据都是utf-8编码的，或者换句话，它会把传给它的数据中的字符串全部用utf-8编码，而不做其他特殊处理。这样，生成的json字符串是utf-8编码的。这种处理方式，在json数据中含有中文时，可能会发生问题。

如果，我们是直接在php脚本里生成json的话，不会发生什么大问题，因为，php的字符串也是utf-8编码的，调用json_encode时，就会将相应的中文转为utf-8了。如下面简单的代码：

$data = array("title" => "博客园");
echo json_encode($data);

请求过来的数据会是：

通过查unicode码表（http://www.chi2ko.com/tool/CJK.htm），我们知道，\u535a\u5ba2\u56ed正是“博客园”三个汉字。

如果，我们是通过读取文件中的数据来生成json，而文件的编码又不是utf-8时，就会发生问题了。如下面代码：

$data = array();
$data["title"] = file_get_contents("data.txt");
echo json_encode($data);

其中，data.txt文件里面只有一行简单的数据“博客园”，并以记事本默认的ANSI格式保存（简体中文系统下，代表gb2312）。

此时，请求过来的数据却没有出现我们的中文：

这个真是奇怪的事，个人觉得可能是因为json_encode不知道如何用utf-8的编码方式编码gb2312的字符串（或者说，可能这个函数内部判断，字符串不是utf-8编码的话，一律返回空字符串），就出现这个问题了。
如果我们把data.txt的编码换成utf-8格式时，请求过来的数据就变成了：

这个时候，奇怪的事又来了，后面那3个\uxxxx的是“博客园”，那前面的那个\ufeff是什么东西？通过阅读阮一峰老师的这篇文章（http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html），了解了这个问题。

文中提到：Unicode码可以采用UCS-2格式直接存储。以汉字”博“为例，Unicode码是535a，需要用两个字节存储，一个字节是53，另一个字节是5a。存储的时候，53在前，5a在后，就是Big endian（大头）方式；5a在前，53在后，就是Little endian（小头）方式。但是，计算机如何知道采用的是哪种方式？于是，就约定说在文件的开头加入一个表示编码顺序的字符，这个字符的名字叫做”零宽度非换行空格“（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。这正好是两个字节，而且FF比FE大1。如果一个文本文件的头两个字节是FE FF，就表示该文件采用大头方式；如果头两个字节是FF FE，就表示该文件采用小头方式。

这里的\ufeff实际就是“零宽带非换行空格”，而且我们还知道，这个文件采用的是大头方式。

我们现在可以使用js把请求过来的数据在页面中显示了，利用jquery的话，代码大概是这个样子：

$(document).ready(function() {
    var container = $('#container');

    $.getJSON('data.php', function(resp) {
        container.html(resp['title']);
    }
 });

显示的时候，\ufeff不是可见字符，所有没有问题。但是，如果，你的数据中包含数字，而且你希望对数字进行处理的时候（比如：parseInt，parseFloat后继续后面的处理），问题就来了。

我们把data.txt改成1，然后请求数据的php和处理的js分别改成：

$data = array();
$data["index"] = file_get_contents("data.txt");
echo json_encode($data);

$(document).ready(function() {
    var container = $('#container'),
          data = ['博客园', '好地方'];

    $.getJSON('data.php', function(resp) {
        var idx = parseInt(resp['index'], 10);
        container.html(data[idx]);
    });
});

但是，其实，我们什么都看不到，因为，在parseInt(resp['index'], 10)的时候，返回的其实是NaN。这是因为请求过来的数据其实是这样的：

对\ufeff1执行parseInt显然会是NaN。那这该如何破？我的解决方法是把文件存成无BOM的utf-8，想来，那个BOM应该就是“零宽度非换行空格”了。将data.txt存成无BOM的utf-8后，请求过来的数据将会是：

此时，再parseInt将会得到正确的结果了。

总结：使用php生成json时，请格外小心，如果是直接用php程序生成，可以大大放心；如果是从文件中读出内容再生成，就需要注意文件的编码（最好都统一转成无BOM的utf-8格式）；如果是从数据库中来，数据库编码也最好设成utf-8。关于如何转换编码，还需要进一步研究。

3.

有时，我们需要传递的数据量会比较大，如果网络不很好的话，可能需要下载很久。这时，可以在服务端使用gzip来压缩内容，然后进行传送，浏览器端接收到gzip过的数据，然后再进行解压处理。在php里，可以这样使用：

ini_set("memory_limit", "64M"); //多点内存

Ob_Start("ob_gzhandler"); //开启gzip

$rst = array();
$rst["data"] = file_get_contents("data.txt"); //很大的数据量
echo json_encode($rst); //echo到一个缓冲区，然后将缓冲区里的内容gzip

Ob_End_Flush(); //将缓冲区内gzip过的内容传送

此时，response header了就会加多一个Content-Encoding:gzip的响应头，这个就是告诉浏览器，这段内容是gzip过的，你需要先进行解压。使用gzip压缩，是个很好的提速方法，试了下，3M的数据能压到差不多16K。

补充：看了请求响应头，还发现了一个Transfer-Encoding:chunked的response header。这个东西的作用是什么呢？一般数据量比较小的时候，服务器会先缓存好所有数据，然后添加Content-Length的response header，把数据全部发给客户端。如果需要一边产生数据一边传送给客户端，就需要使用Transfer-Encoding:chunked代替Content-Length了。那没有Content-Length，怎么知道数据的长度呢？约定是大概这样的：

http头
\r\n
\r\n      --连续的两个\r\n后是http body
数据长度
\r\n
实际数据（大小就是上面指定的长度）
\r\n    --每段数据结束后，以\r\n标识

第二段数据长度
\r\n
第二段实际数据
\r\n

………… (反复通过这样的方式表示每次传输的数据长度及数据)

0      --数据结束部分用0表示，然后是连续的两个\r\n
\r\n
\r\n