„Konsequente Nutzung der UTF-8-Kodierung'

Question

Ich richte einen neuen Server ein und möchte vollständige UTF-8-Unterstützung in meiner Webanwendung. Ich habe dies schon einmal auf bestehenden Servern versucht, musste aber immer auf ISO-8859-1 zurückgreifen.

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, der ich folgen kann, oder wo Abweichungen ausgeschlossen werden können?

Dies ist ein neuer Linux-Server, auf dem MySQL 5, PHP 5 und Apache 2 ausgeführt werden.

Answer 1

我想对chazomaticus的优秀回答补充一点：

也不要忘记META标签（像这样，或者HTML4或XHTML版本）：

<meta charset="utf-8">

这似乎是微不足道的，但是IE7之前给我带来了问题。

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。添加了之后问题解决了。

编辑：

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

• FAQ：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（或在作为XML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_*排序规则（没有明确的字符集），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（例如PHP）中，无论您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，当MySQL将数据传递给应用程序或反之亦然时，MySQL不会对其本机UTF-8进行任何转换。

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

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

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

  • 如果您使用mysqli，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

  • 如果您只能使用纯mysql，但是碰巧运行的是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以告诉MySQL应用程序希望如何对连接上的数据进行编码：SET NAMES 'utf8mb4'。

• 与上述相同的关于utf8mb4/utf8的考虑。

输出:

• 在HTTP头中应设置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）或手动使用header()函数来实现。
• 如果您的应用程序将文本传输给其他系统，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）。
• 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:

• 浏览器将以文档指定的字符集提交数据，因此在输入方面不需要特别处理。
• 如果您对请求编码有疑问（例如它可能被篡改），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()可以做到这一点，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，而我没有找到一个可靠地让PHP为您执行此操作的方法。

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字符串时都要安全进行。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。

• 要了解自己在做什么（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，以获取学习所需的一切的好资源。