PHP の中国語コーディングについて心配する必要がなくなる 4 つのテクニック

PHP の中国語エンコーディングについてもう心配しないための 4 つのヒント

PHP プログラミングにおける中国語エンコーディングの問題は、実際には非常に単純です。この問題の理由は、それぞれの国 (または地域) で規定されています。アメリカの拡張 ASCII コード、中国の GB2312-80、日本の JIS など、情報交換用の文字エンコード セット。この国・地域における情報処理の基盤として、文字コードセットはエンコードを統一する上で重要な役割を果たしています。文字エンコード セットは、長さに応じて、SBCS (シングルバイト文字セット) と DBCS (ダブルバイト文字セット) の 2 つのカテゴリに分類されます。初期のソフトウェア (特にオペレーティング システム) では、ローカル文字情報のコンピューター処理を解決するために、差別化を図るために、LANG やコードページなどの概念が導入されました。ただし、さまざまなローカル文字セットのコード範囲が重複しているため、相互に情報を交換するのは困難であり、ソフトウェアの各ローカライズ バージョンを個別に保守するコストは高くなります。そのため、ローカライズ作業の共通点を抽出して一貫して処理し、特殊なローカライズ処理内容を最小限にする必要があります。これは国際化 (118N) とも呼ばれます。各種言語情報はさらにロケール情報として標準化されています。処理される基礎となる文字セットは Unicode になり、これにはほぼすべてのグリフが含まれます。

現在、国際的な特性を持つソフトウェアの主要な文字処理のほとんどは Unicode に基づいており、ソフトウェアの実行時に、対応するローカル文字エンコーディング設定は、その時点のロケール/Lang/コードページ設定に従って決定されます。 、およびこれに基づいてローカル文字を処理します。処理中に、Unicode とローカル文字セットの間、または Unicode を中間として使用する 2 つの異なるローカル文字セットの間で変換する必要があります。この方法はネットワーク環境でもさらに拡張され、ネットワークの両端にある文字情報も文字セット設定に従って許容可能なコンテンツに変換する必要があります。

データベースの文字セット エンコーディングの問題

一般的なリレーショナル データベース システムはすべてデータベース キャラクタ セット エンコーディングをサポートしています。つまり、データベースの作成時に独自の文字を指定できます。 、データベース データは指定されたエンコード形式で保存されます。アプリケーションがデータにアクセスするとき、開始時と終了時に文字セット エンコード変換が行われます。中国語データの場合、データベースの文字エンコード設定によりデータの整合性が保証される必要があります。 GB2312、GBK、UTF-8 などはすべてオプションのデータベース文字セット エンコーディングです。もちろん ISO8859-1 (8 ビット) を選択することもできますが、アプリケーションが書き込む前に 16 ビットの中国語文字または Unicode を分割する必要があります。データを 2 つの 8 ビット文字に分割します。データを読み取った後、2 つのバイトを結合して SBCS 文字を識別する必要があります。そのため、データベース キャラクタ セット エンコーディングとして ISO8859-1 を使用することはお勧めしません。これでは、データベース自体の文字セット エンコーディング サポートが最大限に活用されないだけでなく、プログラミングの複雑さも増大します。プログラミングを行う場合、まずデータベース管理システムが提供する管理機能を使用して、中国語データが正しいかどうかを確認できます。

PHP プログラムはデータベースにクエリを実行する前に、まず mysql_query("SET NAMES xxxx") を実行します。ここで、xxxx は Web ページのエンコーディングです (charset= の場合)。 Web ページでは utf8、Xxxx=utf8、Web ページでは charset=gb2312 の場合は、xxxx=gb2312 です。 ほとんどすべての WEB プログラムには、データベースに接続するための共通のコードがあり、このファイルに配置されています。 add mysql_query("SET NAMES xxxx" ) で十分です。

SET NAMES クライアントから送信された SQL 文で使用されている文字セットを表示します。したがって、SET NAMES 'utf-8' ステートメントは、サーバーに「このクライアントからの今後の情報では文字セット utf-8 が使用される」ことを伝えます。また、サーバーがクライアントに送り返す結果の文字セットも指定します (たとえば、SELECT ステートメントを使用する場合、列の値にどの文字セットが使用されるかを示します)。

問題を特定するときに一般的に使用されるテクニック

中国語のエンコードの問題を特定する最も愚かで最も効果的な方法は、疑わしいと思われるプログラムによる処理後に文字を出力することです。文字列の内部コード。文字列の内部コードを出力すると、いつ中国語の文字が Unicode に変換されるか、いつ Unicode が中国語の内部コードに再変換されるか、いつ 1 つの中国語の文字が 2 つの Unicode 文字になるか、いつ中国語の文字列が次の文字列に変換されるかを知ることができます。疑問符、中国語の文字列の上位ビットが切り捨てられたのはいつですか...

適切なサンプル文字列を使用すると、質問の種類を区別するのにも役立ちます。例: 「aaah [email protected]」、および中国語と英語が交互に表示され、GB と GBK の両方の特性文字を含むその他の文字列。一般に、英語の文字は、どのように変換または処理しても歪みません (歪みが発生した場合は、連続する英語文字の長さを長くしてみてください)。

さまざまなアプリケーションでのコード化けの問題を解決する

1) タグを使用してページのエンコーディングを設定する

このタグの目的は、クライアントのブラウザがページを表示するために使用する文字セット エンコーディングを宣言することです。xxx には、GB2312、GBK、UTF-8 (MySQL の UTF8 とは異なります) などを指定できます。したがって、ほとんどのページはこのメソッドを使用して、このページを表示するときに使用するエンコーディングをブラウザーに指示し、エンコーディング エラーや文字化けを回避できます。しかし、場合によっては、この文がどの xxx であっても機能しないことがわかります。これについては後で説明します。

これは HTML 情報に属し、サーバーが HTML 情報をブラウザーに渡したことを示すだけの単なるステートメントであることに注意してください。

2) header("content-type:text/html; charset=xxx");

この関数 header() の機能は、括弧内の情報を http に送信することです。ヘッダ。括弧内の内容が記事に記載されているとおりであれば、最初のラベルと比較してみると、文字が似ていることがわかります。ただし、違いは、この機能がある場合、ブラウザは常に要求された xxx エンコーディングを使用し、決して従わないことです。そのため、この機能は非常に便利です。なぜこのようなことが起こるのでしょうか? 次に、http ヘッダーと HTML 情報の違いについて説明する必要があります:

http ヘッダーは、http プロトコルを使用して HTML 情報をブラウザーに送信する前にサーバーによって送信される文字列です。タグはHTML情報に属しているため、header()で送信された内容が最初にブラウザに届きます。人気のポイントは、header()の優先度が高いことです(これを言えるかわかりませんが)。 PHP ページに header("content-type:text/html; charset=xxx") と header("content-type:text/html; charset=xxx") の両方がある場合、ブラウザは前者の http ヘッダーのみを認識し、メタではない。もちろん、この関数は PHP ページ内でのみ使用できます。

また、前者は確実に動作するのに、後者は動作しない場合があるのはなぜでしょうか、という疑問も残ります。これが、次に Apache について話したい理由です。

3) AddDefaultCharset

Apache ルート ディレクトリの conf フォルダに、Apache 設定ドキュメント全体 httpd.conf があります。

テキスト エディタを使用して httpd.conf を開きます。行 708 (バージョンが異なる場合があります) には、AddDefaultCharset xxx が含まれています。xxx はエンコード名です。このコード行の意味: サーバー全体の Web ページ ファイルの http ヘッダーの文字セットをデフォルトの xxx 文字セットに設定します。この行があることは、各ファイルに header("content-type:text/html; charset=xxx") の行を追加することと同じです。これで、ブラウザが utf-8 に設定されているにもかかわらず常に gb2312 を使用する理由が理解できました。

Web ページに header("content-type:text/html; charset=xxx") がある場合、デフォルトの文字セットが設定した文字セットに変更されるため、この機能は常に有効になります。役に立つ。 AddDefaultCharset xxx の前に「#」を追加し、この文をコメントアウトし、ページにヘッダー (「content-type...」) が含まれていない場合は、メタ タグが有効になります。

上記の優先順位は以下のとおりです:

.. header("content-type:text/html; charset=xxx")

.. AddDefaultCharset xxx

..

Web プログラマーの場合は、各ページにヘッダー ("content-type: text/html; charset=xxx") を追加することをお勧めします。どのサーバーでも正しく表示でき、強力な移植性を備えていることを確認できます。

4) PHP.iniのdefault_charset設定:

php.iniのdefault_charset = "gb2312"は、PHPのデフォルトの言語文字セットを定義します。通常、この行をコメント アウトし、必須要件とするのではなく、Web ページ ヘッダーの文字セットに基づいてブラウザが自動的に言語を選択できるようにすることをお勧めします。これにより、複数の言語の Web サービスを同じサーバー上で提供できます。