php - UTF-8贯穿始终

Question

我正在设置一个新服务器，并希望在我的Web应用程序中完全支持UTF-8。我过去曾在现有服务器上尝试过此操作，但最终似乎总是不得不退回到ISO-8859-1。

我到底需要在哪里设置编码/字符集？我知道我需要配置Apache，MySQL和PHP来执行此操作-是否可以遵循一些标准清单，或者解决不匹配的地方？

这是用于运行Linux 5，PHP，5和Apache 2的新Linux服务器。

Answer 1

数据存储：


在数据库的所有表和文本列上指定utf8mb4字符集。这使得MySQL在物理上存储和检索以UTF-8本地编码的值。请注意，如果指定了utf8mb4排序规则（没有任何显式字符集），则MySQL将隐式使用utf8mb4_*编码。
在旧版本的MySQL（<5.5.3）中，不幸的是，您将被迫仅使用utf8，它仅支持Unicode字符的子集。我希望我在开玩笑。


资料存取：


在您的应用程序代码（例如PHP）中，无论您使用哪种数据库访问方法，都需要将连接字符集设置为utf8mb4。这样，当MySQL将数据交给您的应用程序时，MySQL不会从其本地UTF-8进行转换，反之亦然。
一些驱动程序提供了自己的配置连接字符集的机制，该机制既可以更新其自身的内部状态，又可以将要在连接上使用的编码通知MySQL-这通常是首选方法。在PHP中：


如果在PHP≥5.3.6中使用PDO抽象层，则可以在DSN中指定charset：

$dbh = new PDO('mysql:charset=utf8mb4');

如果您使用的是mysqli，则可以调用set_charset()：

$mysqli->set_charset('utf8mb4');       // object oriented style
mysqli_set_charset($link, 'utf8mb4');  // procedural style

如果您坚持使用普通的mysql，但是碰巧正在运行PHP≥5.2.3，则可以调用mysql_set_charset。

如果驱动程序不提供自己的设置连接字符集的机制，则可能必须发出查询以告知MySQL您的应用程序希望连接上的数据如何被编码：SET NAMES 'utf8mb4'。
关于utf8mb4 / utf8的相同考虑如上所述。


输出：


如果您的应用程序将文本传输到其他系统，则还需要告知他们字符编码。对于Web应用程序，必须告知浏览器发送数据的编码（通过HTTP响应标头或HTML metadata）。
在PHP中，可以使用default_charset php.ini选项，或者自己手动发出Content-Type MIME标头，这虽然工作更多，但效果相同。
使用json_encode()编码输出时，请添加JSON_UNESCAPED_UNICODE作为第二个参数。


输入：


不幸的是，在尝试存储或在任何地方使用它之前，您应该验证每个接收到的字符串都是有效的UTF-8。 PHP的mb_check_encoding()可以达到目的，但是您必须谨慎使用它。确实没有办法解决这个问题，因为恶意客户端可以使用他们想要的任何编码来提交数据，而且我还没有找到使PHP可靠地为您执行此操作的技巧。
从我对当前HTML spec的阅读中，对于现代HTML，以下子项目不再是必需的，甚至不再有效。我的理解是，浏览器将使用为文档指定的字符集并提交数据。但是，如果您定位的是旧版HTML（XHTML，HTML4等），则以下几点可能仍然有用：


仅适用于HTML5之前的HTML：您希望浏览器发送给您的所有数据都使用UTF-8。不幸的是，如果唯一可靠的方法是将accept-charset属性添加到所有<form>标签：<form ... accept-charset="UTF-8">。
仅对于HTML5之前的HTML：请注意，W3C HTML规范指出，客户端“应该”默认使用服务器提供的任何字符集将表单发送回服务器，但这显然只是一个建议，因此需要在每一个服务器上都明确<form>标记。



其他代码注意事项：


显然，您将要提供的所有文件（PHP，HTML，JavaScript等）都应使用有效的UTF-8编码。
您需要确保每次处理UTF-8字符串时都必须安全进行。不幸的是，这是最困难的部分。您可能需要广泛使用PHP的mbstring扩展名。
PHP的内置字符串操作默认情况下不是UTF-8安全的。您可以使用正常的PHP字符串操作（例如串联）安全地进行某些操作，但是对于大多数事情，您应该使用等效的mbstring函数。
要知道您在做什么（阅读：不要搞砸），您确实需要了解UTF-8及其在最低级别上的工作方式。查看utf8.com中的任何链接以获取一些好的资源，以学习您需要了解的所有内容。