php漢字編碼轉換方法精講

本文介紹了php中漢字編碼轉換的一些知識，分析了php編碼轉換的原理與方法，有需要的朋友參考下。

有關對mysql4.1字元集的理解，再講述如何php如何適應mysql的這種變化。 同樣適用於mysql5及以上的版本。

一．原理篇 mysql的字元集裡有兩個概念，一個是“character set（字元集）”，另一個是“collat​​ions”。 1. collat​​ions collat​​ions翻成中文是“校驗”，在網頁開發的過程中，這個詞彙，只在mysql裡使用，主要作用是指導mysql對字符的比較，比如， ascii字符集裡，collat​​ions規定了a小於b， a等於a，以及a是否等於a之類的。通常，大家基本上可以忽略collat​​ions的存在，因為每個字元集都有一個預設的collat​​ions，通常，使用預設的collat​​ions就可以了。 2.字符集 與此對比的是，字符集是個更廣的概念，即使是windows下普通的文本文件，也滲透到字符集的問題。不同的字符集，規定了不同的字符的編碼方式。一個character set (字元集)是一組符號和編碼，例如，ascii字元集，包括的字元有：數字，大小寫字母，分號、換行之類的符號，編碼方式是用一個7bit表示一個字元（ a的編碼是65，b的編碼是98）。 ascii只規定了英文字母的編碼，非英文語言不能用ascii編碼表示，為此，不同的國家，都為自己的語言做了編碼，比如，我們國家，就有gb2312編碼。但每個國家之間的編碼不同，也存在著一些跨平台的問題，為此，一些國際化標準組織，就制定了一些國際通用的編碼，最常用的就是utf8了。 ascii只對英文符號和英文字母做了編碼，gb2312對英文符號，英文字母，漢字做了編碼，utf8對世界上所有的語言文字做了編碼，所以，gb1212的字符包含了ascii字符，utf8包含了gb2312字元。由此可見，utf8是所含最廣字符的字符集，所以，在一些多語言的web系統中，一般用utf8字符集（phpmyadmin使用utf8編碼）。 任何文本的存儲，都滲透到字符集的概念。包括資料庫，也包括普通的文字檔案。

主要術語： 字符：漢字，英文字母，標點符號，拉丁文等等。 編碼：將字元轉換成電腦儲存的格式，例如，a用65表示。 字符集：一組字符以及對應的編碼方式。 a. mysql的字元集 mysql目前支援多字元集，並且，支援在不同的字元集之間轉換（便於移植和支援多語言）。 mysql可以設定伺服器級字元集、資料庫級字元集、資料表級字元集、表列的字元集，實際上，最終使用字元集的地方是儲存字元的列，例如，你設定table1中col1列是字符型，col1才用到了字元集，如果table1表的col2列是int型，col2不使用字元集的概念。 伺服器級字元集、資料庫級字元集、資料表級字元集都是為列的字元集做預設選項的。 mysql一定有一個字元集，可以透過啟動時加參數指定，也可以編譯時指定，也可以在設定檔裡指定。 mysql伺服器字元集，只是做為資料庫層級的預設值。建立資料庫時，你可以指定字元集，如果沒指定，就使用伺服器的字元集。同理，建立表格時，你可以指定表格層級的字元集，如果沒指定，使用資料庫的字元集做為表格的字元集。建立列時，你可以指定某列的字元集，如果沒指定，就使用表格的字元集。 通常情況下，您只需設定伺服器級的字元集，其它的資料庫級，表級，以及列級的字元集，都繼承自伺服器級字元集。 由於utf8是最廣的字元集，所以，一般情況下，我們設定mysql伺服器級的字元集為utf8！

b. 普通文本的字符集問題 任何文字的存儲，都存在著字元集的問題，普通文字檔案也不例外。 windows2000 的系統中，開啟記事本，「儲存為…」對話框，就有一個選項，可以讓你選擇儲存文字的編碼方式。 通常情況下，大家都會使用windows2000 的系統，都會使用預設的編碼，所以，不會碰到字元集的問題。 windows下，儲存文字檔案時，可以選擇編碼方式，但開啟文字檔案時，都是自動判斷編碼方式的。網路上有一個用windows2000 的記事本玩移動，聯通的笑話，大家可以搜搜，就是因為windows在打開文本文件時，編碼判斷錯誤引起的問題。 因為自動判斷編碼有時會錯誤，所以，有的文字文件，規定如何辨識自身所使用的編碼。 html檔案就是一個這樣的例子。 html是文字檔。儲存html檔案的時候，需要使用一個編碼，而且，在html檔案裡，也使用html語法，指定了該檔案所使用的編碼（例如）。如果html檔案沒有指定編碼，則瀏覽器會自動識別檔案的編碼。如果html指定了編碼，則瀏覽器使用html指定的編碼。 通常情況下，html檔案指定的charset和html檔案本身的編碼是一致的，但也有不一致的情況，如果不一致，就會導致網頁亂碼(此處亂碼，只和文字檔案有關，和資料庫無關。)使用專門的網頁編輯工具（如dreamwave），會自動根據網頁中的charset值來編碼檔案。

c. php mysql的字符集問題 php最終產生的是文本文件，但他要取資料庫裡的文本，或將文本存進資料庫。 由於mysql支援多字元集，預設情況下，mysql不知道php發給他的是什麼編碼的字符，所以，mysql要求客戶端（php）告訴他訪問的字元集是什麼。 php透過設定character_set_client，告訴mysql，php存進資料庫的是什麼編碼方式。 php透過設定character_set_results，告訴mysql，php需要取什麼樣編碼的資料。 php透過設定character_set_connection，告訴mysql，php查詢中的文本，使用什麼編碼。 mysql使用設定的編碼方式儲存文字。 假設mysql使用setserver來儲存文本，php的character_set_client是setclient，php的 character_set_results是setresult。那麼，mysql將php發送的文本，從setclient編碼方式，轉換成 setserver編碼方式，再存入資料庫，如果php取文本，mysql將文本從setserver轉換成setresult，再發送給php。 php檔案（最終產生的html檔案）本身有個編碼，如果mysql傳過來的編碼，與php檔案本身的編碼不同，那麼，整個網頁，必然亂碼。所以，php一般將自己的編碼方式，告訴mysql。 要確保不亂碼，就必須將三個編碼統一：一是網頁本身的編碼，二是html裡指定的編碼，三是php告訴mysql的編碼(包括character_set_client和character_set_results)。 第一和第二個編碼，如果使用dw之類的編輯器寫的網頁，通常是一致的，但用記事本寫的網頁，有可能不一致。 第三個編碼，需要手工通知mysql。這步驟可以透過在php裡使用mysql_query(“set names characterx”)來實現。

d.字符集的轉換問題 如果小字集轉換成大字元集，不會遺失數據，但大字集，轉換成小字集，可能會遺失資料。 例如，utf8裡有的字符，gb2312不一定有，所以，從utf8轉換到gb2312可能會遺失一些字符。 但有種情況例外，先從gb2312轉成utf8，再從utf8轉成gb2312，這種情況是不會丟失數據的，因為，剛開始轉換的文本，都是gb2312裡的字符，所以，整個過程都是gb2312的字元在轉換，不會遺失。 正因為utf8能容納世界上的所有字符，所以，資料庫一般使用utf8編碼。這使得，任何字元都可以存進utf8編碼的資料庫。

e. phpmyadmin亂碼的問題 phpmyadmin支援多國語言，這必定要求html頁面使用utf8編碼。 html頁面使用utf8編碼，這就必定要求phpmyadmin連接mysql時，character_set_client和character_set_results使用utf8編碼。 目前情況下，php連接mysql只能是使用set names(或其它幾個語句)來通知mysql的編碼方式，如果沒有明確的宣告編碼方式，都會使用latin1編碼。一般的程序，都沒有明確聲明 character_set_client變量，所以，都是將gb2312文本，按latin1編碼方式存在數據庫，phpmyadmin再用utf8格式讀取，肯定是亂碼的。 如果php程式以正確的編碼存入資料庫，肯定是沒有問題的。所以，需要修改的不是phpmyadmin.（雖然有時修改phpmyadmin可以解決亂碼問題，但這不是問題的根本）

二．總結篇

1.資料庫盡量使用utf8儲存（修改/etc/my.cnf，在[mysqld]段加上default-character-set=utf8） (已有的資料庫，先轉成utf8格式) 2.php程式在查詢資料庫之前，執行mysql_query(“set names xxxx”);其中xxxx是你網頁的編碼(charset=xxxx)，如果網頁中charset=utf8，則xxxx=utf8，如果網頁中charset=gb2312 ，則xxxx=gb2312，如果網頁中的charset=ipaddr，則xxxx=ipaddr (開個玩笑，沒這編碼) 幾乎所有web程序，都有一段連接資料庫的公共程式碼，放在一個檔案裡，在這檔案裡，加入mysql_query(“set names”)就可以了。 3.phpmyadmin不需要做改動。 4.注意，為確保網頁實際編碼(windows保存對話框裡的編碼)和他聲明的編碼(charset=?)是一致的，請用dw之類的工具做網頁。