“始終如一地擁抱 UTF-8”

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。過去我在現有伺服器上嘗試過這個，但總是不得不退回到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 - 是否有一些標準的檢查清單我可以遵循，或者可以排查不匹配的地方嗎？

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的出色回答中添加一點內容：

也不要忘記META標籤（像這樣，或HTML4或XHTML版本）：

<meta charset="utf-8">

這似乎是微不足道的，但IE7以前給我帶來了問題。

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Internet Explorer仍然堅持使用「西歐」編碼。

結果發現頁面缺少META標籤。新增了之後問題解決了。

編輯：

W3C其實有一個相當大的國際化（I18N）專區。他們有許多與此問題相關的文章 - 描述了HTTP、（X）HTML和CSS方面的內容：

• FAQ：將（X）HTML頁面編碼變更為UTF-8
• 在HTML中宣告字元編碼
• 教學：XHTML、HTML和CSS中的字元集和編碼
• 設定HTTP字元集參數

他們建議同時使用HTTP頭和HTML meta標籤（或在作為XML提供的XHTML的情況下使用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（沒有明確指定字元集），MySQL將隱含使用utf8mb4編碼。

• 在舊版的MySQL（< 5.5.3）中，您只能使用僅支援Unicode字元子集的utf8。我希望我是在開玩笑。

資料存取:

• #在應用程式程式碼（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，MySQL在將資料傳遞給應用程式和反之時不會進行任何從其本地UTF-8的轉換。

• 某些驅動程式提供了自己的機制來配置連接字元集，該機制同時更新自己的內部狀態並通知MySQL要在連接上使用的編碼 - 這通常是首選方法。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charset：

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

  • 如果您使用的是mysqli，您可以呼叫set_charset()：

    $mysqli->set_charset('utf8mb4');       // 面向对象的样式
      mysqli_set_charset($link, 'utf8mb4');  // 过程化的样式

  • 如果您被限制使用純mysql，但恰好運行的是PHP ≥ 5.2.3，您可以呼叫mysql_set_charset#。

• 如果驅動程式沒有提供自己的設定連接字元集的機制，您可能需要發出查詢來告訴MySQL您的應用程式希望在連接上如何編碼資料：SET NAMES 'utf8mb4 '。

• 與上述相同的關於utf8mb4/utf8的注意事項也適用於此。

輸出:

• 應在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）或手動使用header()函數來實現。
• 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。對於網頁應用程序，瀏覽器必須被告知以哪種編碼方式發送資料（透過HTTP回應頭或HTML元資料）。
• 使用json_encode()對輸出進行編碼時，作為第二個參數新增JSON_UNESCAPED_UNICODE。

輸入:

• 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（例如可能被篡改），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()#可以實現，但您必須始終使用它。由於惡意用戶端可以以任何他們想要的編碼提交數據，因此沒有辦法可靠地讓PHP為您執行此操作。

其他程式碼注意事項:

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

• 您需要確保每次處理UTF-8字串時都能安全地進行。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情況下不是UTF-8安全的。 您可以使用普通的PHP字串操作（如連接）來安全地執行某些操作，但對於大多數操作，您應該使用等效的mbstring函數。

• 要了解自己在做什麼（即：不要搞砸它），您真的需要了解UTF-8以及它在最低層級上的工作方式。查看utf8.com上的任何鏈接，以了解您需要了解的所有內容的一些好資源。