始終使用UTF-8編碼

Question

我正在設定一個新的伺服器，並希望在我的網路應用程式中完全支援UTF-8。我以前在現有伺服器上嘗試過這個，但似乎總是必須回退到ISO-8859-1。
我需要在哪裡設定編碼/字元集？我知道我需要設定Apache、MySQL和PHP來實現這一點。是否有標準的清單可以供我參考，或是可以排查不符的地方？
這是一個運行MySQL 5、PHP 5和Apache 2的新Linux伺服器。

Answer 1

我想在chazomaticus的出色回答中補充一點：

也不要忘記META標籤（像這樣，或者HTML4或XHTML版本的）：

<meta charset="utf-8">

這似乎是微不足道的，但是IE7以前曾經給我帶來過問題。

我所做的一切都是正確的；資料庫、資料庫連接和Content-Type HTTP頭都設定為UTF-8，在所有其他瀏覽器中都正常工作，但是Internet Explorer仍然堅持使用"西歐"編碼。

結果發現頁面缺少META標籤。增加了之後問題得到解決。

Edit:

#

W3C其實有一個相當大的部分專門針對國際化（I18N）問題。他們有許多與此問題相關的文章，涵蓋了HTTP、(X)HTML和CSS方面的內容：

• FAQ: Changing (X)HTML page encoding to UTF-8
• Declaring character encodings in HTML
• Tutorial: Character sets & encodings in XHTML, HTML and CSS
• Setting the HTTP charset parameter
#

他們建議同時使用HTTP頭和HTML的meta標籤（或以XML形式提供的XHTML中使用XML宣告）。

Answer 2

資料儲存:

#

• 在資料庫中的所有表格和文字列上指定utf8mb4字元集。這樣，MySQL將以UTF-8的本機編碼方式實體儲存和檢索值。請注意，如果指定了utf8mb4_*排序規則（沒有任何明確字元集），MySQL將隱含使用utf8mb4編碼。

• 在舊版的MySQL（< 5.5.3）中，您將不得不使用僅支援Unicode字元子集的簡單utf8，對此我感到很遺憾，但這是事實。

資料存取:

#

• 在您的應用程式程式碼（例如PHP）中，無論您使用什麼資料庫存取方法，都需要將連接字元集設定為utf8mb4。這樣，當MySQL將資料傳遞給您的應用程式時，它不會進行任何從其本地UTF-8的轉換，反之亦然。

• 一些驅動程式提供了自己的機制來配置連接字元集，該機制既更新其自身的內部狀態，也通知MySQL在連接上使用的編碼 - 這通常是首選的方法。在PHP中：

  • 如果您使用的是PHP ≥ 5.3.6的PDO抽象層，您可以在DSN中指定字元集：

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

  • If you're using mysqli, you can call set_charset():

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

  • 如果您只能使用普通的mysql函數，但執行的是PHP ≥ 5.2.3，您可以呼叫mysql_set_charset方法。

• 如果驅動程式沒有提供自己的機制來設定連接字元集，您可能需要發出查詢來告訴MySQL您的應用程式希望如何對連接上的資料進行編碼：SET NAMES 'utf8mb4'。

• 與上述相同的考慮適用於utf8mb4/utf8。

Output:

#

• 應該在HTTP頭中設定UTF-8，例如Content-Type: text/html; charset=utf-8。您可以透過在php.ini中設定default_charset（首選）或使用header()函數手動設定來實現。
• 如果您的應用程式將文字傳輸到其他系統，它們也需要被告知字元編碼。對於網路應用程序，瀏覽器必須被告知資料發送的編碼方式（透過HTTP回應頭或HTML元資料）。
• 在使用json_encode()進行輸出編碼時，將JSON_UNESCAPED_UNICODE作為第二個參數加入。

Input:

#

• 瀏覽器將以文件指定的字元集提交數據，因此在輸入方面不需要做任何特殊處理。
• 如果您對請求編碼有疑問（可能被篡改），在嘗試儲存或在任何地方使用之前，您可以驗證每個接收到的字串是否為有效的UTF-8。 PHP的mb_check_encoding()可以完成此操作，但您必須始終使用它。實際上，沒有繞過這一點的方法，因為惡意客戶端可以以任何他們想要的編碼提交數據，而且我還沒有找到一個可靠地讓PHP為您執行此操作的技巧。

其他程式碼注意事項：

#

• 顯然，您提供的所有檔案（PHP、HTML、JavaScript等）都應該以有效的UTF-8進行編碼。

• 您需要確保每次處理UTF-8字串時都是安全的。不幸的是，這是最困難的部分。您可能需要廣泛使用PHP的mbstring擴充。

• PHP的內建字串操作預設不支援UTF-8。有一些您可以安全地使用普通的PHP字串操作（例如拼接），但對於大多數操作，您應該使用等效的mbstring函數。

• 為了知道自己在做什麼（即不搞砸），您真的需要了解UTF-8以及它在最低級別上的工作原理。請查看utf8.com上的任何鏈接，這些鏈接提供了一些很好的資源，可以讓您學到所需的一切知識。