总是有七弯八拐的原因让我们要将自己的PHP源码从GB2312转换到UTF8，而90%的情况下你会遇到麻烦——很有可能你已经不是第一个想将你手头的系统转换到UTF8的人，只不过前面那些人都被整郁闷了，因而你也有了这个机会。

1、编码转到UTF-8可能出现的问题

转换起来并不麻烦，而且网上有很多工具可以用于转换，但不推荐使用工具进行批量转换，编码转换时的不确定因素太多，比如原编码，甚至系统语言等，都会引起转换的失败。

PHP源码直接转换到UTF-8后，很有可能会遇到下面的两个问题：

• 1、首行代码为空；
• 2、顶行有多个“锘匡豢”；

当然，很多人已经解决了，还发了博文——不过这文章是让你郁闷的。这位用了两天时间终于解决了问题，但却舍不得与人分享一下。当然也有很靠谱的人，提供了使用VS进行解决的方法，不过搞PHP开发的还装VS的可能不多。

导致出现以上问题的原因，可以看一下维基BOM词条，解决的方法也很简单，转换成UTF8后，将BOM的问题解决即可。很多人使用UltraEdit32，这也是个方法。不过还有更方便的选择，使用Notepad++会更简单，更安全。

2、使用Notepad++进行转换的方法

使用Notepad++，打开所有需要转换的文件，然后战壕菜单“Encoding（编码）”→“Convert to UTF-8 without BOM（转换为UTF-8无BOM编码格式）”，再保存文件，即可完成无恙转换。

顺便提一下，Notepad++的确是一个非常优秀的编辑器，完全可以作为你Win下的主力代码工具——它已经是win下我唯一用的代码工具了。

3、转换中需要注意的问题

转换很简单，但还需要注意以下几个方面的问题：

• 1、HTML中HEAD部分中对编码的指定，一般可能设置了charset，将值改成UTF8即可；
• 2、apache等web服务器中的默认编码设置，CentOS中的apache在httpd.con里修改，搜索“AddDefaultCharset”，将后面的值改为UTF-8；
• 3、CSS文件编码的修改；

淘宝也是用的gbk，转换起来一定又是一个折腾人的过程。

最近在做一个简单的记账系统，用php+mysql。在要完工的时候发现了一个问题，研究了2天的时间才有了答案。

以下是页首的裁图：

页面的头部有空白区域。有的人可能怀疑是css的margin,padding,border没有重置为0造成的。其实不然，我已经将这几个属性重置为0。

而且在firebug下面查看HTML代码会发现link标签和script表情跑到body下面：

并且body标签下面和link标签之间有空行。

我自诩的查看我的模板文件是没有任何问题的，想了很久最后实在是没辙了，跑到Stackoverflow高手云集的地方去提问。

有个人提出了是页面中存在stray text。

就是说页面存在浏览器不能忽略的空白，比如U+0020活U+3000之类的。

我的php脚本全部使用的是utf-8编码，html页面的charset也就是utf-8，我强制让浏览器把页面用其他编码来解析，比如GB2312，然后出现了如下图的情况：

空白的部分出现了乱码，而且内容都是“锘匡豢”，这下子更是把我搞糊涂了。我按照SO上面bobince兄的建议，把模板页传到W3C markup validator上面去检查，得出来如下结论：

大概意思是说，UTF-8中的BOM编码在一些编辑器或者是浏览器中支持不好，可能会出现问题。

然后网上搜索了关于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。

然后我用UltraEdit的16进制编辑模式查看代码，都是EF BB BF开头的，说明都是带BOM的。我手动的将所有文件转成UTF-8 without BOM。页面终于正常了。link，script标签乖乖的跑到head下面，网页顶部空白消失。oh yeah。这就是搞了2天的答案。

最后我在网上随便下载了知名php程序的utf-8版，发现都是UTF-8 without BOM的。

那么我们继续回头看看出现问题的现象就有答案了。“锘匡豢”在页面头部出现多次的原因是首页处理文件index.php require_once了多个类和库文件，而那些库和类文件都是用的带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一个稀有汉字。不信可以查锘匡豢这几个字的GB2312 代码是多少：

UTF-8编码是变长的，1—6个字节。其中汉字编码，是3个或4个字节。而恰好EF BB BF多次出现，两个EF BB BF组成EFBB BFEF BBBF ，而EFBB BFEF BBBF就是“锘匡豢”的UTF-8编码。这也是很多网站页面顶部出现“锘”加一个方框。

看来得找个时间恶补编码知识了。