Verwenden Sie immer die UTF-8-Kodierung

Question

Ich richte einen neuen Server ein und möchte vollständige UTF-8-Unterstützung in meiner Webanwendung. Ich habe dies bereits auf vorhandenen Servern versucht, schien aber immer auf ISO-8859-1 zurückgreifen zu müssen.
Wo muss ich die Kodierung/den Zeichensatz einstellen? Ich weiß, dass ich Apache, MySQL und PHP konfigurieren muss, um dies zu erreichen. Gibt es eine Standard-Checkliste, auf die ich zurückgreifen oder Unstimmigkeiten beheben kann?
Dies ist ein neuer Linux-Server, auf dem MySQL 5, PHP 5 und Apache 2 ausgeführt werden.

Answer 1

我想在chazomaticus的出色回答中补充一点：

也不要忘记META标签（像这样，或者HTML4或XHTML版本的）：

<meta charset="utf-8">

这似乎是微不足道的，但是IE7以前曾经给我带来过问题。

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。添加了之后问题得到解决。

Edit:

W3C实际上有一个相当大的部分专门针对国际化（I18N）问题。他们有许多与此问题相关的文章，涵盖了HTTP、(X)HTML和CSS方面的内容：

• 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

他们建议同时使用HTTP头和HTML的meta标签（或者在以XML形式提供的XHTML中使用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。这样，MySQL将以UTF-8的本地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（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字符子集的简单utf8，对此我感到很遗憾，但这是事实。

数据访问:

• 在您的应用程序代码（例如PHP）中，无论您使用什么数据库访问方法，都需要将连接字符集设置为utf8mb4。这样，当MySQL将数据传递给您的应用程序时，它不会进行任何从其本地UTF-8的转换，反之亦然。

• 一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，也通知MySQL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中指定字符集：

    $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函数，但是运行的是PHP ≥ 5.2.3，您可以调用mysql_set_charset方法。

• 如果驱动程序没有提供自己的机制来设置连接字符集，您可能需要发出一个查询来告诉MySQL您的应用程序希望如何对连接上的数据进行编码：SET NAMES 'utf8mb4'。

• 与上述相同的考虑适用于utf8mb4/utf8。

Output:

• 应该在HTTP头中设置UTF-8，例如Content-Type: text/html; charset=utf-8。您可以通过在php.ini中设置default_charset（首选）或使用header()函数手动设置来实现。
• 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()进行输出编码时，将JSON_UNESCAPED_UNICODE作为第二个参数添加。

Input:

• 浏览器将以文档指定的字符集提交数据，因此在输入方面不需要做任何特殊处理。
• 如果您对请求编码有疑问（可能被篡改），在尝试存储或在任何地方使用之前，您可以验证每个接收到的字符串是否为有效的UTF-8。PHP的mb_check_encoding()可以完成此操作，但您必须始终使用它。实际上，没有绕过这一点的方法，因为恶意客户端可以以任何他们想要的编码提交数据，而且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字符串时都是安全的。不幸的是，这是最困难的部分。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支持UTF-8。有一些您可以安全地使用普通的PHP字符串操作（比如拼接），但对于大多数操作，您应该使用等效的mbstring函数。

• 为了知道自己在做什么（即不搞砸），您真的需要了解UTF-8以及它在最低级别上的工作原理。请查看utf8.com上的任何链接，这些链接提供了一些很好的资源，可以让您学到所需的一切知识。