Firefox中奇怪的字符编码

Question

我在Firefox中遇到字符编码问题。当我从Microsoft Word（2007）复制/粘贴一个段落时，它可能包含这样的特殊字符（用于制作列表或引号的点/方块）：

   Te’st
   Ze’f
•   Gzg’a

引用’与此引用'（使用键盘直接键入）相比有所不同。所以我将它粘贴到textarea并保存（在某些情况下使用AJAX）。在数据库（具有整理latin1_swedish_ci）中，它显示完全正常。但是当使用Firefox再次编辑这些数据时，它会显示奇怪的二进制符号。适用于Chrome和IE。

我不想修改数据库的charset。有没有办法解决这个问题？

注意：您还可以通过在Chrome和FF中查看此帖子进行测试

Answer 1

您复制的字符（假设它们被正确传输到此论坛中）除了字母之外还包含三次出现的U + 2019 RIGHT SINGLE QUOTATION MARK，这是英语和许多其他语言中正确的标点符号撇号，一次出现U + 2022 BULLET，听起来不错，两次出现U + F0A7，属于私人使用（PU）范围，不应用于公共信息交换，仅用于特殊目的，有关各方之间的相互协议。

Word 2007文档中的某些符号可能会在复制和粘贴时转换为PU字符，但至少正常的列表项目通常会变为U + 2022 BULLET。所以PU字符的来源有点神秘。

关于单引号，它们也可以在windows-1252中表示，latin1_swedish_ci似乎覆盖它（尽管据我所知，它只是整理顺序的定义，而不是字符编码） 。正如您所说，数据在数据库中看起来很好，似乎问题在于将数据写入提供给浏览器的HTML文档中。

特别是，如果随后呈现数据的页面的编码是UTF-8，并且实际数据存在于windows-1252编码中，则会出现问题。这将意味着你所描述的问题，因为U + 2019在windows-1252中被编码为0x92，这在解释为UTF-8时会导致字符级数据错误。

您可以在查看结果页面时使用“查看”→“在Firefox中编码”来查看情况。如果我的假设是正确的，你会看到在那里选择UTF-8，并将其改为“西欧（windows-1252）”会使单引号出现（并且可能会彻底弄乱页面上的其他内容）。