我从 API 导入 XML 文件。我使用 simplexml_load_file() 加载文件。 XML 具有 UTF-8 编码。在某些元素的标题中,特殊字符是准确的,例如“café”。如果我直接在浏览器中输出这些标题,我会很好地看到它们,但我将所有值存储在 MySQL 数据库中。尽管该表具有 UTF-8 编码,但值的存储方式类似于“Paardcafé”。 我尝试了 differend enconding、htmlentities 等,但输出保持不变。即使编码没有从原始文件更改为存储到数据库中,也会发生这种情况的任何原因?
最佳答案
编码就像一条链条,如果一个环节断了,整条链条都会断。
由于编码是实际数据旁边的元信息,因此处理该数据的不同进程需要具有该元信息。如果一个进程有错误的编码信息,就会出现错误的编码。
在您的情况下,您有以下链:
API -> XML -> SimpleXMLElement -> PHP Variable -> Database Link -> Database Store
问题出在最后的部分,对于您已经检查过的 API、XML、SimpleXMLElement 和 PHP 变量,编码是正确的。所以左边是结尾部分:
PHP Variable -> Database Link -> Database Store
*good* *bad*
如您所见,数据库链接 介于两者之间。那么那里发生了什么?
数据库链接 携带信息,其中从 PHP 传递的编码字符在提供给数据库存储时被编码。
这看起来怎么样?让我们在 PHP 代码中查看您的问题:
$word = "café";
假设此 PHP 代码编码为 UTF-8(当您的浏览器请求答案时,它也在 Stackoverflow 上)。在计算机内存中,它存储为二进制 数据。这是逐字节的,在这种情况下,如果你查看内存,你会看到如下内容:
636166c3a9
这五个字节表示“café
”的字符为 UTF-8:
c := 63
a := 61
f := 66
é := c3a9
与内存中的二进制数据一样,它类似于数据库链接 将字符传输到数据库服务器的方式:作为二进制数据。
所以链接的另一端需要知道如何解释这个二进制序列。为此,它需要知道编码,因为数据库随后需要将数据存储到您所说的 UTF-8 编码的列中。
因此,例如,如果数据库服务器通过数据库链接变成二进制字符数据,而这与列需要的编码不同,数据库服务器重新- 将通过链接传递的二进制数据编码为存储列中数据所需的编码:
link: <data:latin1> -- (re-encode) --> column: <data:utf8>
假设,数据库链接在发送二进制序列 <636166c3a9
> 从上面。并且列需要有 UTF-8。然后数据库服务器将重新编码该序列:
(latin1) 636166c3a9 ---> (utf8) 636166c383c2a9
然而,对于相同的操作,如果数据库链接携带了数据编码为 UTF-8 的信息,则不需要重新编码,因为它已经在列的正确编码中:
(utf8) 636166c3a9 ---> (utf8) 636166c3a9
那么让我们比较一下最后两个示例中可读字符的二进制 UTF-8 序列:
636166c383c2a9 := café
636166c3a9 := café
是不是很眼熟?所以即使 PHP 代码中的数据是 UTF-8 编码数据库列的编码是 UTF-8,如果 Database Link 携带了错误的编码信息,编码仍然可以被破坏。
那么如何告诉数据库链接使用哪种编码呢?这取决于数据库驱动程序。您正在使用 Mysql,因此您可能正在 PHP 中使用 PDO。对于 PDO Mysql,您将 charset 参数添加到 DSN,例如";charset=utf8
"在它的末尾:
$pdo = new PDO("mysql:host=localhost;dbname=world;charset=utf8", "my_user", "my_password");
或者,如果您使用的是 Mysqli,则调用 set_charset
方法:
$mysqli = new mysqli("localhost", "my_user", "my_password", "world");
$mysqli->set_charset('utf8');
我希望这能让您更清楚地看到问题,并向您展示如何更改设置。
关于php - simplexml_load_file 到数据库 utf-8,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25057028/