7.7 如何解决脚本中的乱码问题
1．问题提出
平时在对Web应用程序性能测试的时候，可能会出现录制的脚本中汉字变为乱字符的现象。
2．问题解答
在所有字符集中，最知名的可能要数被称为ASCII的7位字符集了。它是美国信息交换标准委员会（AmericanStandards Committee for Information Interchange）的缩写，为美国英语通信所设计。它由128个字符组成，包括大小写字母、数字0～9、标点符号、非打印字符（换行符、制表符等4个）以及控制字符（退格、响铃等）。
但是，由于它是针对英文设计的，当处理带有音调标号（形如汉语的拼音）的欧洲文字时就会出现问题。因此，创建出了一些包括255个字符的由ASCII扩展的字符集。其中有一种通常被称为IBM字符集，它把值为128～255的字符用于画图和画线，还有一些特殊的欧洲字符。另一种8位字符集是ISO8859-1 Latin 1，也简称为ISOLatin-1。它把位于128～255的字符用于拉丁字母表中特殊语言字符的编码，也因此而得名。
亚洲和非洲语言也不能被8位字符集所支持。但是把汉语、日语和越南语的一些相似的字符结合起来，在不同的语言里，使不同的字符代表不同的字，这样只用2个字节就可以编码地球上几乎所有地区的文字。因此，创建了UNICODE编码。它通过增加一个高字节对ISO Latin-1字符集进行扩展，当这些高字节位为0时，低字节就是ISO Latin-1字符。UNICODE支持欧洲、非洲、中东、亚洲（包括统一标准的东亚象形汉字和韩国象形文字）。但是，UNICODE并没有提供对诸如Braille、Cherokee、Ethiopic、Khmer、Mongolian、Hmong、TaiLu、Tai Mau文字的支持。同时它也不支持如Ahom、Akkadian、Aramaic、Babylonian Cuneiform、Balti、Brahmi、Etruscan、Hittite、Javanese、Numidian、OldPersian Cuneiform、Syrian之类的古老的文字。
所以，对可以用ASCII表示的字符使用UNICODE并不高效，因为UNICODE比ASCII占用大一倍的空间，而对ASCII来说高字节的0对它毫无用处。为了解决这个问题，就出现了一些中间格式的字符集，它们被称为通用转换格式，即UTF（UniversalTransformation Format）。目前存在的UTF格式有UTF-7、UTF-7.5、UTF-8、UTF-16，以及UTF-32。本文讨论UTF-8字符集。
UTF-8是UNICODE的一种变长字符编码，由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1～6个字节编码UNICODE字符。如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节，而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符。
上面介绍了一些关于字符集的内容，可能也明白了为什么在脚本中会产生乱字符，主要原因就是因为默认情况下应用的是ASCII字符集，所以脚本中的汉字就显示为乱字符了。解决方式是通过选择【Tools】>【Recording Options...】>【HTTP Properties】>【Advanced】>【Support charset】项，选中“UTF-8”选项就可以解决这个问题，如图7-18所示，如果您还想调整脚本的字体，也可以通过选择【Tools】>【General Options】>【Environment】项，单击【Select Font...】按钮，选择适合的字体及字体的大小，如图7-19所示。
图7-18 录制选项对话框 图7-19 常规选项对话框
图7-18中Supportcharset（支持字符集）说明如下。
l UTF-8。通过该选项可支持UTF-8编码。该选项指示VuGen将非ASCII的UTF-8字符转换为本地计算机上的编码，以便在VuGen编辑器中正确显示它们。如果启用UTF-8支持选项，则无法录制非UTF-8字符集的站点。
EUC-JP。对于日文版Windows的用户，请选择该选项以支持使用EUC-JP字符编码的网站。该选项指示VuGen将EUC-JP字符转换为本地计算机上的编码，以便在VuGen编辑器中正确显示它们。VuGen会将所有EUC-JP（日文版UNIX）字符串转换为本地计算机上的SJIS（日文版Windows）编码，并在脚本中添加web_sjis_to_euc_param函数。
更多信息请关注大开科技公众号或官方网站
www.dakaikeji.com.cn
