在上一篇提到的BOM头，实际上牵扯到文本的编码问题，BOM头是出现在windows下用文本编辑器编写文件后，按照UTF-8的格式下保存文件而我们在编辑php脚本的时候通常是用utf-8的格式保存脚本文件，在这种情况下，我们发现不了bom头的存在。可是如果我们将php的脚本文件按照gbk编码保存我们就能轻易发现bom头的存在，道理很简单

　　我们先看utf-8的编码规则，utf-8采用的是动态编码，实际上是以字节为单位对unicode(通用码)做的再编码，对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。下图可以大致看出utf8的编码规则。

　　从编码规则上，我们可以看出bom头0xEF 0xBB 0xBF 符合utf-8指向一个字符的编码规则，那么如果以gbk的编码规则来看bom头，我们再来看看，首先，我们看看gbk的编码规则：
　　"GBK 亦采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。"(来源百度百科)；


　　我们选择带有BOM头的字符串看一下 <?xml version ,通过xxd，我们查看十六进制的编码规则如下efbb bf3c 3f78 6d6c 2076 6572 7369 6f6e  根据utf8的编码，先看e表示"1110"，表示这个字符占3个字节，efbb bf被解析掉，在看3，二进制是"0011"，符合ascii码规则，可以查到3f对应字符"<"，如此下去，按照utf-8的编码规则解析了文本。

　如果按照gbk的编码规则，该是如何解释呢？根据前面的规则，efbb符合gbk解码规则，对应汉语字符"锘"，再接着看 bf，在gbk的首字节范围内，而3c明显不在gbk编码的尾字节范围，如此实际上无法解析出正确的编码。

但我们已经发现了，如果统一要求我们书写的代码按照gbk的编码方式存储，将无法出现BOM头。

二、php代码存储的编码方式和代码执行输出的编码的关系

　　前段提到了代码的存储方式，就是以什么样的编码方式存储，像以utf-8，GBK，UTF-16等等方式，但是代码需要执行相关操作，例如读取和输出操作，这个地方涉及到几个问题是
　　1、utf8编码存储的代码读取gbk编码的输入，会按照什么样的情况解码？
　　2、utf8编码存储的代码输出字符串的时候，输出的字符串是什么样的编码？

　　这两个问题，在实验中发现，如果php脚本是utf8编码存储，那么它输出字符串后，所输出的字符串会是utf8编码，如果php脚本是gbk的编码存储，所输出的字符串会是gbk字符串。这一点，会说明一个问题就是。如果再php脚本中输出一个xml，他和xml申明的encoding=utf8还是gbk没有关系。这个encoding只是告诉调用者按照什么样的编码格式去解码。所以在这个地方要注意脚本存储的编码格式在和xml的encoding不一致的时候，需要做转码的工作。

三、substr在php脚本用使用的问题

　　substr在php中主要用来截取字符串，如果字符串是英文，一般情况下没有问题，可以数数字符的个数，但是如果是中文，则需要非常小心，首先要判断输入的字符是什么样的编码，如果是gbk编码。汉字都是两个字节，而如果是utf8编码，汉字在3到4个字节。所以判断输入的汉字时候，会非常麻烦，如果必须要判断，可以试试下面步骤
　　1、先将输入字符转成gbk格式，
　　2、从开始读取字符串，判断字节是否大于0x7F,如果大于0x7F，则读取两个字节，反正读取一个字节。

关于字符编码的一些简单思考