Wap技术的研究之路

答案：第一次看到wap的时候是2001年吧，那时候xml才刚冒头出来，在网上查xml资料就查到wap这个东东，但是还没手机呢那会儿，就没注意它了，就知道它是xml的一个扩展。后来网上鼓吹了一下wap，都没冒出泡来就灭了。GPRS和CDMA1x出来后，这东东就活过来了，当今社会速度第一嘛，GPRS的理想速度据说有170多kb/s，CDMA1x的理想速度是130多kb/s（？偶不会记错吧），即使达不到这个速度也够用了，偶在GSM网里测试过，打开一个几十k的页面，就如同以前用Modem上网一样，慢的无法忍受。这里由衷地说一句GPRS真好，看嘛嘛快，去嘛嘛顺。

wml和xml是一样的，结构严谨，会html就会xml，会xml就会wml，wml一出来的时候，就大张旗鼓地提出很多标准，设置过wap服务器的朋友就清楚，教材上提的就有个5个MIME类型，其实我们用得到的就两个，一个wml，一个wbmp（这个类型现在已经不需要了吧，都是彩屏手机了啊），而wmlc、wmls、wmlsc就不会用到了，虽然wmls有人研究过，实际上很多手机都不支持wmls的，wmlc和wmlsc我想更没人会吧（有会的大虾么，告诉我吧，我在网上找这两个语言的语法规则好多次都没找到@_@），最后归纳起来，我们就需要一个标准就可以了，就是：wml。现在手机支持wml 1.2，这个规则比较完善了，虽然wap 2.0，也就是xhtml也出来了，实际上，wapforum.org的2.0规则都不通用，而Openwave因它的浏览器被大多数手机采用，从而使它的xhtml解析标准成为wap 2.0的标准。wap 2.0还不错啊，虽然偶没过多接触过，但是它的css和对大多数html标准的兼容，将会使手机更像一台电脑，xhtml是通用标准，有线和无线都支持，君不见，很多web网站也采用xhtml来制作了。但是还没上3G，xhtml的魅力无法表达啊，表达出来也是慢腾腾，犹抱琵琶半遮面的，看着难受。so，还是将就点，先用用wml 1.2。

wml标签一般都已经熟悉了（还有没熟悉的？就看看入门教材，偶就不转载了，懒啊）。令人困惑的也就一个，就是编码和解码。很多web网站也有这样的现象，不支持UTF-8编码，我常去那个csdn论坛，里面很多朋友就不理解，为什么页面成乱码了、为什么提交的数据变乱码了等等。通常的解决方法就是：你设置成gb2312吧，mime头和html里的meta都设置成gb2312。避开UTF-8编码不是解决问题的关键。UTF-8是什么，unicode是什么，这里就不累述了，资料太多啦，unix/linux下介绍这方面的Manual又是多如牛毛。这里说说怎么编码和解码UTF-8字符串。

UTF-8的特征是很明确的，小于128的字节就还是小于128的字节，只占一个字节，也就是Ascii码，大于128的字节，第一个字节的范围是0xC0到0xFD，其他字节的范围是0x80到0xBF，so，可以根据第一个字节判断该UTF-8字符占几个字节，它的定义是这样的：
0x00 - 0x7F 一个字节
0xC0 - 0xDF 两个字节
0xE0 - 0xEF 三个字节
0xF0 - 0xF7 四个字节
0xF8 - 0xFB 五个字节
0xFC - 0xFD 六个字节
我们用的最多的就是一个字节和三个字节的UTF-8编码，UTF-8是从unicode编码里延伸出来的，所以这两个编码可以互相转换，而不用查什么表。而要从Ascii转UTF-8和unicode，不同系统下解决的方法不一样。win32下有很多语言，那个asp转换编码就很简单，一个一个字节的算，但是由于asp是解析性语言，所以它的速度就惨不忍睹了，还好我们用在wap上，再多的数据量也就那么多kb，转换慢一点还是看不出来的。有人做过测试，对比C/Java/Perl/汇编等语言的速度，在一个1G大小的文件里查找一个字符串出现的次数，获取的结论是：C是最快的。C在win32下编码和解码UTF-8字符很好用，首先确定该字符串是否是UTF-8编码，然后再用函数转换。


#define IsUTF8Head(x) (((unsigned char)x>=0xC0 && (unsigned char)x<=0xFD)?1:0)
#define IsUTF8Body(x) (((unsigned char)x>=0x80 && (unsigned char)x<=0xBF)?1:0)


unsigned char UTF8Byte(unsigned char x)
{
if (x>0x00 && x<=0x7F) return(1);
if (x>=0xC0 && x<=0xDF) return(2);
if (x>=0xE0 && x<=0xEF) return(3);
if (x>=0xF0 && x<=0xF7) return(4);
if (x>=0xF8 && x<=0xFB) return(5);
if (x>=0xFC && x<=0xFD) return(6);
return(0);
}

unsigned char UTF8Detect(const unsigned char *s)
{
unsigned char *p = (unsigned char *)s;
unsigned char cc = 0;
unsigned int bc = 0;
if (p==0) return(0);
while (*p)
{
cc = UTF8Byte(*p++);
if (cc==0)
{
++bc;
}
else if (cc==2)
{
//Two Byte
if (!IsUTF8Body(*p))
{
++bc;
}
p += 1;
}
else if (cc==3)
{
//Three Byte
if (!(IsUTF8Body(*p) && IsUTF8Body(*(p+1))))
{
++bc;
}
p += 2;
}
else if (cc==4)
{
//Four Byte
if (!(IsUTF8Body(*p) && IsUTF8Body(*(p+1)) && IsUTF8Body(*(p+2))))
{
++bc;
}
p += 3;
}
else if (cc==5)
{
//Five Byte
if (!(IsUTF8Body(*p) && IsUTF8Body(*(p+1)) && IsUTF8Body(*(p+2)) && IsUTF8Body(*(p+3))))
{
++bc;
}
p += 4;
}
else if (cc==6)
{
//Six Byte
if (!(IsUTF8Body(*p) && IsUTF8Body(*(p+1)) && IsUTF8Body(*(p+2)) && IsUTF8Body(*(p+3)) && IsUTF8Body(*(p+4))))
{
++bc;
}
p += 5;
}
}
return((bc==0)?1:0);
}

char *UTF8ToChar(const char *s)
{
char *buf = 0;
wchar_t *tmp = 0;
unsigned int ml, wl;
if (!UTF8Detect(s)) return(0);
ml = MultiByteToWideChar(CP_UTF8, 0, s, -1, 0, 0);
tmp = (wchar_t *)calloc(ml, sizeof(wchar));
if (tmp==0) return(0);
MultiByteToWideChar(CP_UTF8, 0, s, -1, tmp, ml);
wl = WideCharToMultiByte(CP_ACP, 0, tmp, -1, 0, 0, 0, 0);
buf = (char *)calloc(wl, sizeof(char));
if (buf==0)
{
free(tmp);
return(0);
}
WideCharToMultiByte(CP_ACP, 0, tmp, -1, buf, wl, 0, 0);
free(tmp);
return(buf);
}

char *CharToUTF8(const char *s)
{
char *buf = 0;
wchar_t *tmp = 0;
unsigned int ml, wl;
if (s==0) return(0);
ml = MultiByteToWideChar(CP_ACP, 0, s, -1, 0, 0);
tmp = (wchar_t *)calloc(ml, sizeof(wchar_t));
if (tmp==0) return(0);
MultiByteToWideChar(CP_ACP, 0, s, -1, tmp, ml);
wl = WideCharToMultiByte(CP_UTF8, 0, tmp, -1, 0, 0, 0, 0);
buf = (char *)calloc(wl, sizeof(char));
if (buf==0)
{
free(tmp);
return(0);
}
WideCharToMultiByte(CP_UTF8, 0, tmp, -1, buf, wl, 0, 0);
free(tmp);
return(buf);
}



在unix/linux下，有个很好用的东东：iconv，它可以转换各种编码。这里就不多叙述了。
Perl就更不用说了吧，有个现成的Encode包可以使用，也可以转换很多种编码。