一个容易被忽视但又非常重要的问题

waluojia

一个网站不管规模有多大（包括国家级的网站），也避免不了转载。也就是说，“原创”与“转载”结合是办好网站和各种媒体的有效方法。而“转载”，传统的复制粘贴早已经落后了，一般都使用信息采集发布系统。最近，试用了几个采集程序，并也同部分开发者有过交流。我发现有一个问题非常容易被忽视但又非常重要。这就是中文编码的选择和使用问题！！！

这要从几个方面说：

1 对于安装在本地电脑中的采集程序：

一般中国人使用的操作系统中文默认编码是GBK，而目前采集程序一般都是GBK的。在本地电脑上显示程序界面没有问题。等到采集的时候，往往程序中都有信息源网站和目标网站的编码设置项，因此，一般也不会出现问题，除非忘记设置或者误操作。

2 对于在线采集程序：

这个就要特别注意了。无论是ASP、ASP.NET还是PHP编写的采集程序，程序开发者一般都选择GBK中文编码。如果用户网站使用的中文编码是GBK的，在采集程序的安装和使用上，都不会发现问题。但是，现在有越来越多的人在网站上使用了UTF-8中文编码。这问题就来了：

2-1 问题最轻的是在线程序界面上出现乱码。
这是程序中的中文编码与网站中文编码不一致的原因。如果网站使用的中文编码是UTF-8，那么需要用户将程序的中文编码转换成UTF-8。否则，连程序界面都看不见（一片乱码），何谈使用和设置呢？

2-2 问题比较严重的往往发生在入库程序上。这些程序很多开发者将其加密，用户若是采用一般的中文编码转换，那入库程序就不能使用。必须由程序开发者先行转换再加密提供给用户。

3 中文编码转换具体方法：

3-1 有些朋友使用记事本，一页一页地打开再“另存”（当然要重新选择编码方式了）。这还不错。因为采集程序一般文件数量少，不费太多的时间，但是，这是最原始也是最笨的方法。

3-2 使用转换工具：GBK2UTF8。这个小程序不错。快捷且故障率极低。可转单页，也可转整个目录。操作很容易。

3-3 使用DW最容易出现问题。DW只能自动地记忆初时编码标准。利用其转换编码是最最容易出现问题的。因此，忌讳使用其做编码转换。

4 运行入库程序出现空白页的问题：

笔者发现这里面也有编码标准的问题。不过有些程序开发者并不承认和同意笔者的观点。
另外，就是ZEND OPT的设置问题。对于有管理权限的虚拟主机，要在PHP.INI中增加设置（2个方面：一个是ZEND优化数量，另一个是确认加密读取）。

以上供使用采集程序的朋友们参考。

另一个办法：
如果你是使用美国主机，如果你安装的WEB采集程序与网站主体程序不关联，那么，你可以另外建立一个GBK语言集的MYSQL数据库，用这个数据库安装不经过中文编码转换的采集程序（WEB）。

注意：我说的是美国主机。对于中国大陆的主机就不能使用这个方法。因为那里的虚拟主机往往只有一个数据库而且容量很小。一旦你网站的主程序使用了UTF8语言集，那么，你就无法变换成新的语言集，即使能改变，你网站的主程序页面就出现乱码了。

因此，从这方面看，使用可自建多个数据库的主机比较好。比如，美国GD主机允许用户建立25个数据库。而这些数据库的费用都包括在主机租金中，不必另外付费。

bingu

什么观念

大漠孤狼

采集是没用的，只能做垃圾站

ffnn

不喜欢采集。更不喜欢复制别人的成果。

waluojia

原帖由 bingu 于 2008-9-17 08:24 AM 发表
什么观念

观念：
1 “原创”＋“转载”，是办好网站、报纸、杂志、电视台的重要方法（从内容而言）；
2 人工转载（复制粘贴）效率低，可使用信息采集发布系统；
3 采集程序注意中文编码的使用（包括程序开发者）。
4 翻看各国的报纸，收看各国的电视，完全靠原创是不可能的。否则，也就没有国际间、国内的“节目交换和购买”这一说了。比如，每天《新闻联播》中的国内新闻，很多都是地方台的节目源；国际新闻，几乎全是其它国家电视台拍摄的画面。当然，这种节目交换和转载是有协议和代价的，不是偷。
5 我说的“转载”，与办垃圾站不是一个概念。采集器犹如菜刀，可切菜，也可做凶器，关键看你怎么使用。否则，各大通讯社也不必花巨资开设信息采集发布系统了。
以上是本人从事多年新闻媒体工作的体会，仅供非专业人员（包括网站站长）参考。若是认为不对，那你就一切自己原创吧，包括操作系统、各种应用程序和IT知识及技能。

[ 本帖最后由 waluojia 于 2008-9-17 02:44 PM 编辑 ]

ffnn

网站建设是否原创还是采集，好像和 ”包括操作系统、各种应用程序和IT知识及技能。“这个没关系把。

330802

，“原创”与“转载”，有用就好！

神猪

采集 固然是有用的  就看怎么用了

boro

垃圾站虽然没有长期价值，但短期价值还是可观的

waluojia

抽空把中国官方通讯社～新华社的采集系统概要资料发上来，大家看看，有启发的。