Tajuk ditulis semula sebagai: "Menggunakan pengekodan UTF-8 sepanjang"

Question

Saya sedang menyediakan pelayan baharu dan mahukan sokongan penuh UTF-8 dalam aplikasi web saya. Saya telah mencuba ini pada pelayan sedia ada tetapi sentiasa perlu kembali ke ISO-8859-1.

Di manakah saya perlu menetapkan pengekodan/set aksara? Saya tahu saya perlu mengkonfigurasi Apache, MySQL dan PHP untuk mencapai ini - adakah terdapat beberapa senarai semak standard untuk diikuti, atau bolehkah ketidakpadanan diketepikan?

Ini ialah pelayan Linux baharu yang menjalankan MySQL 5, PHP 5 dan Apache 2.

Answer 1

Saya ingin menambah satu mata lagi pada jawapan cemerlang chazomaticus:

Juga jangan lupa teg META (seperti ini, atau versi HTML4 atau XHTMLnya ):

<meta charset="utf-8">

Ini mungkin kelihatan remeh, tetapi IE7 telah memberi saya masalah sebelum ini.

Saya melakukan semuanya dengan betul; pangkalan data, sambungan pangkalan data dan pengepala HTTP Jenis Kandungan semuanya ditetapkan kepada UTF-8 dan berfungsi dengan baik dalam semua penyemak imbas lain, tetapi Internet Explorer masih berkeras untuk menggunakan pengekodan "Eropah Barat".

Ternyata halaman tersebut tiada tag META. Selepas menambahnya, masalah itu telah diselesaikan.

Editor:

W3C sebenarnya mempunyai bahagian yang cukup besar khusus untuk pengantarabangsaan (I18N). Mereka mempunyai banyak artikel yang berkaitan dengan isu ini - menerangkan aspek HTTP, (X)HTML dan CSS:

• Soalan Lazim: Tukar (X) pengekodan halaman HTML kepada UTF-8
• Isytiharkan pengekodan aksara dalam HTML
• Tutorial: Set Aksara dan Pengekodan dalam XHTML, HTML dan CSS
• Tetapkan parameter set aksara HTTP

Mereka mengesyorkan menggunakan pengepala HTTP dan teg meta HTML (atau pengisytiharan XML dalam kes XHTML yang disediakan sebagai XML).

Answer 2

Storan Data:

• Nyatakan utf8mb4字符集。这样，MySQL会以UTF-8的原生编码方式物理存储和检索值。请注意，如果指定了utf8mb4_*排序规则（而没有明确指定字符集），MySQL将隐式使用utf8mb4pengekodan pada semua jadual dan lajur teks dalam pangkalan data.

• Dalam versi MySQL yang lebih lama (<5.5.3), anda hanya boleh menggunakan utf8 yang hanya menyokong subset aksara Unicode. Saya harap saya bergurau.

Akses data:

• Dalam kod aplikasi (cth. PHP), tidak kira kaedah capaian pangkalan data yang anda gunakan, anda perlu menetapkan set aksara sambungan kepada utf8mb4. Dengan cara ini, MySQL tidak melakukan sebarang transformasi pada data apabila menghantarnya ke aplikasi dan sebaliknya.

• Sesetengah pemandu menyediakan mekanisme mereka sendiri untuk mengkonfigurasi set aksara sambungan, yang kedua-duanya mengemas kini keadaan dalamannya sendiri dan memaklumkan MySQL tentang pengekodan untuk digunakan pada sambungan - ini biasanya pendekatan yang diutamakan. Dalam PHP:

  • Jika anda menggunakan lapisan PDOabstraksi untuk PHP ≥ 5.3.6, anda boleh nyatakan dalam DSNcharset:

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

  • Jika anda menggunakan mysqli, anda boleh menghubungi set_charset():

    $mysqli->set_charset('utf8mb4');       // 面向对象风格
      mysqli_set_charset($link, 'utf8mb4');  // 过程化风格

  • Jika anda terperangkap dalam mysql tulen, tetapi kebetulan menjalankan PHP ≥ 5.2.3, anda boleh menghubungi mysql_set_charset.

• Jika pemandu tidak menyediakan mekanismenya sendiri untuk menetapkan set aksara sambungan, anda mungkin perlu mengeluarkan pertanyaan untuk memberitahu MySQL bagaimana aplikasi anda mahu mengendalikan pengekodan data pada sambungan: SET NAMES 'utf8mb4'.

• Kaveat yang sama tentang utf8mb4/utf8/

  seperti di atas terpakai di sini.

Output

:🎜

• UTF-8 hendaklah ditetapkan dalam pengepala HTTP, contohnya oleh fungsi Content-Type: text/html; charset=utf-8。你可以通过在php.ini中设置default_charset（首选）或手动使用header().
• Jika aplikasi anda memindahkan teks ke sistem lain, mereka juga perlu mengetahui pengekodan aksara. Untuk aplikasi web, penyemak imbas mesti mengetahui pengekodan mana untuk menghantar data (sama ada melalui pengepala respons HTTP atau metadata HTML).
• Tambah menggunakan json_encode()编码输出时，将JSON_UNESCAPED_UNICODE sebagai hujah kedua.

Masuk :

• Pelayar akan menyerahkan data dalam set aksara yang ditentukan oleh dokumen, jadi tiada pemprosesan khas diperlukan pada input.
• Jika anda mempunyai keraguan tentang pengekodan permintaan (sekiranya ia mungkin telah diganggu), anda boleh mengesahkan bahawa setiap rentetan yang diterima adalah UTF-8 yang sah sebelum menyimpan atau menggunakan sebarang data. PHP's mb_check_encoding() boleh menyelesaikan masalah ini, tetapi anda perlu bertahan dengannya. Tidak ada jalan untuk mengatasi masalah ini, kerana pelanggan berniat jahat boleh menyerahkan data dalam mana-mana pengekodan yang mereka mahu, dan saya masih belum menemui helah untuk memastikan PHP melakukan ini untuk anda.

Nota kod lain:

• Jelas sekali, semua fail yang anda akan berikan (PHP, HTML, JavaScript, dll.) hendaklah dikodkan dalam UTF-8 yang sah.

• Anda perlu memastikan bahawa setiap kali anda mengendalikan rentetan UTF-8 anda melakukannya dengan selamat. Malangnya, ini adalah bahagian yang sukar. Anda mungkin banyak menggunakan sambungan mbstring PHP.

• Operasi rentetan terbina dalam PHP tidak selamat UTF-8 secara lalai. Anda boleh melakukan beberapa operasi dengan selamat menggunakan operasi rentetan PHP biasa seperti penggabungan, tetapi untuk kebanyakan kes anda harus menggunakan fungsi mbstring yang setara.

• Untuk mengetahui perkara yang anda lakukan (iaitu tidak kacau), anda benar-benar perlu memahami UTF-8 dan cara ia berfungsi pada tahap yang paling rendah. Terdapat beberapa sumber hebat di utf8.com untuk mempelajari semua yang anda perlu ketahui.