"畅行无阻：UTF-8的通行之路"

Question

我正在设置一个新的服务器，并希望在我的Web应用程序中完全支持UTF-8编码。过去我在现有的服务器上尝试过这个，但总是不得不退回到ISO-8859-1编码。

我需要在哪里设置编码/字符集？我知道我需要配置Apache、MySQL和PHP来实现这一点 - 是否有一些标准的检查清单我可以遵循，或者可以排除不匹配的问题的故障排除方法？

这是一个运行MySQL 5、PHP 5和Apache 2的新Linux服务器。

Answer 1

我想对chazomaticus的优秀回答补充一点：

不要忘记META标签（像这样，或者它的HTML4或XHTML版本）：

<meta charset="utf-8">

这似乎微不足道，但IE7以前曾给我带来麻烦。

我做的一切都是正确的；数据库、数据库连接和Content-Type HTTP头都设置为UTF-8，在所有其他浏览器中都正常工作，但是Internet Explorer仍然坚持使用“西欧”编码。

结果发现页面缺少META标签。添加后问题解决。

编辑：

实际上，W3C有一个相当大的专门用于I18N的部分。他们有许多与此问题相关的文章 - 描述了HTTP、(X)HTML和CSS方面的内容：

• 常见问题：将(X)HTML页面编码更改为UTF-8
• 在HTML中声明字符编码
• 教程：XHTML、HTML和CSS中的字符集和编码
• 设置HTTP字符集参数

他们建议同时使用HTTP头和HTML meta标签（或在以XML形式提供的XHTML的情况下使用XML声明）。

Answer 2

数据存储:

• 在数据库中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编码的值。请注意，如果指定了utf8mb4_*校对（没有任何显式字符集），MySQL将隐式使用utf8mb4编码。

• 在旧版本的MySQL（< 5.5.3）中，您将不得不使用仅支持Unicode字符子集的utf8。我希望我是在开玩笑。

数据访问:

• 在应用程序代码中（例如PHP），无论使用什么数据库访问方法，您都需要将连接字符集设置为utf8mb4。这样，MySQL在将数据传递给应用程序和反之时，不会进行任何从其本地UTF-8的转换。

• 某些驱动程序提供了自己的机制来配置连接字符集，该机制既更新其自身的内部状态，又通知MySQL要在连接上使用的编码-这通常是首选的方法。在PHP中：

  • 如果您使用的是PHP ≥ 5.3.6的PDO抽象层，您可以在DSN中指定charset：

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

  • 如果您使用的是mysqli，您可以调用set_charset()：

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

  • 如果您被困在纯mysql中，但碰巧运行的是PHP ≥ 5.2.3，您可以调用mysql_set_charset。

• 如果驱动程序没有提供自己的设置连接字符集的机制，您可能需要发出查询来告诉MySQL应用程序在连接上期望数据的编码：SET NAMES 'utf8mb4'。

• 与上述相同的关于utf8mb4/utf8的考虑也适用于此。

输出:

• UTF-8应该在HTTP头中设置，例如Content-Type: text/html; charset=utf-8。您可以通过在php.ini中设置default_charset（首选）或手动使用header()函数来实现。
• 如果您的应用程序将文本传输到其他系统，它们也需要被告知字符编码。对于Web应用程序，浏览器必须被告知数据发送的编码方式（通过HTTP响应头或HTML元数据）。
• 在使用json_encode()对输出进行编码时，将JSON_UNESCAPED_UNICODE作为第二个参数添加。

输入:

• 浏览器将按照文档指定的字符集提交数据，因此在输入上不需要做任何特殊处理。
• 如果您对请求编码有疑问（以防它可能被篡改），您可以在尝试存储或在任何地方使用之前验证每个接收到的字符串是否为有效的UTF-8。PHP的mb_check_encoding()可以解决这个问题，但您必须要严格使用它。实际上没有绕过此问题的方法，因为恶意客户端可以以任何他们想要的编码提交数据，而我还没有找到一个可靠地让PHP为您执行此操作的技巧。

其他代码注意事项:

• 显然，您将提供的所有文件（PHP、HTML、JavaScript等）都应该以有效的UTF-8进行编码。

• 您需要确保每次处理UTF-8字符串时都能安全进行。这是非常困难的部分。您可能需要广泛使用PHP的mbstring扩展。

• PHP的内置字符串操作默认情况下不是UTF-8安全的。您可以使用普通的PHP字符串操作（如连接）来安全地执行某些操作，但对于大多数操作，您应该使用等效的mbstring函数。

• 要知道自己在做什么（即不要搞砸），您真的需要了解UTF-8以及它在最低级别上的工作方式。查看utf8.com上的任何链接，了解您需要知道的一切。