UTF8 での中国語 PHP プログラミング

编程|中文

【摘 要】 本文中凉鞋就尽量多方位介绍一下 UTF8 编码下的 PHP 编程,至于为什么单独介绍“中文”,一来是因为英文这玩意实在不需要考虑 UTF8 …… 除非你准备做多语言系统,（我要发些牢骚：现在的老外写程式时根本不重视这个问题……）,二来是中日韩等多字节语系在 UTF8 编码下的处理方式其实大同小异……
说实话，我也觉得 UTF8 是好东西，毕竟同屏显示中日韩对东亚人的吸引力是不小的（当然好处不仅是这点啦……），不仅是网页程式，很多应用程式的内核都开始使用 Unicode 编码，目的是显而易见的：支援多语言显示……
微软的所有软体都是 Unicode 内核……
所以日文软体拿到你的中文 XP 上是可以正常显示的……
而中文 98 就会因为 GB 内核安装其他语言软体时造成乱码……

至于 UTF8 ，
可以说是 Unicode 的一个分支，
它用三个字节保存一个汉字……
（Unicode 用四个字节）
应用软体都集体投奔 Unicode 了……
就不允许我们搞网页程式的用 UTF8？

本文中凉鞋就尽量多方位介绍一下 UTF8 编码下的 PHP 编程……
至于为什么单独介绍“中文”……
一来是因为英文这玩意实在不需要考虑 UTF8 ……
除非你准备做多语言系统……
（我要发些牢骚：现在的老外写程式时根本不重视这个问题……）
二来是中日韩等多字节语系在 UTF8 编码下的处理方式其实大同小异……
依葫芦画瓢即可……
好……先从数据库处理部分开始吧……

==========================================
连接数据库

很多人刚升级到 Mysql 4.1 时会发现数据乱掉了……
其实是因为 Mysql 从 4.1 开始支援字符集了……
而且默认字符集正是 UTF8 ……
（充分证明与国际接轨的重要性…… 嘿嘿……）
而以前我们大多使用 utf8 或是 GBK 编码……
这样以来输出的数据当然是乱码……
要解决乱码……
就得让程序知道该获取什么编码的数据……

我们假设你以前的数据库是 utf8 编码的……
那么你可以在查询前添加一句

mysql_query('SET CHARACTER SET utf8') or die("Query failed : " . mysql_error());
当然，由于 4.1 以上才需要这样处理，
因此我们可以加上判断：

$mysqlversion = $db->query_first("SELECT VERSION() AS version");
if ($mysqlversion['version'] >= '4.1')
{
mysql_query('SET CHARACTER SET utf8') or die("Query failed : " . mysql_error());
}
这样以来不管 Mysql 默认编码是什么都可以正常存取了……
（不论您是存活期，还是存定期，甚至是零存整取都没有问题鸟……）

但是，人家都国际化鸟……
您还在用 utf8 行么？
如何转码呢？
还有……
数据升级时出现乱码怎么办？
凉拌！
且听下回分解……

==============================
数据升级至 4.1

要升级……
就得先导出……
要说老外还真不负责……
以前的导出方式总是弄丢一些中文字符……
比如把“我爱你娘”弄成“我爱你”啦……
（通常是丢失一段数据最末尾的字）
整个儿差了一辈儿……
（用石榴姐的话说就是“这么大逆不道的事实在是太刺激了”……）
为了保护您脆弱的心脏……
也为了维护中国传统伦理道义……
您可以把数据包含中文字符的字段改为二进制(Binary)编码……
具体方法嘛……
可以运行这个语句：

ALTER TABLE `表名` CONVERT TO CHARACTER SET binary;
这样，那些字符类型字段，如：
CHAR、VARCHAR 和 TEXT
将转换为
BINARY、VARBINARY 和 BLOB
然后再导出并导入到 4.1 环境中……
当然，最后一项繁琐的工作是：
你需要把它们的类型再改回来……

有往 4.1 升级的……
当然也有往下降级的……
怎么降级？？？
凉鞋去上个厕所……
而您请翻下页……

=========================
数据从 4.1 降级

有人发现从4.1导出的 SQL 文件无法导入低版本程序……
问题其实很简单……
而且 Mysql 已经为我们想好了一切……
导出时请添加 –compatible 参数……
我们假设您的数据库是 utf8 编码的……
而且目标数据库版本为 4.0 ……
那么命令行下这么写：

shell>mysqldump --user=username --password=password --compatibility=mysql40 --default-character-set=utf8 データベース > db.sql
エクスポートされた SQL ファイルは、下位バージョンのデータベースに正常にインポートできます。 .

データベース部分がついに完成しました...
しかし、PHPプログラミングにどのように注意すればよいでしょうか?
次のページを開いてもらいます...
http://www.knowsky.com
======================== ====== ================
PHP ファイルのエンコーディング

すべての PHP ファイルを UTF8 エンコーディングに変換する必要がありますか?
サンダルはノーと言っています...

こうしましょう...
ファイルに表示する必要のある中国語の文字が含まれている場合...
UTF8エンコーディングに変換する必要があります...
例:

// 私はSandalsです
echo time();
上記のコードにはコードがありますが...
コメント内にあるため...
出力されません...
なのでこのページは変換する必要はありませんUTF8 形式に変換します...

別の例:

echo "私はサンダルです";
これは明らかに漢字出力です...
UTF8 に変換するだけです...

もちろん、多くのプログラムは現在テンプレートを使用しています(言語パック) テクノロジー...
プログラム (非言語パック ファイル) 出力用の文字が表示されません...
この方法では、言語パック ファイルを UTF8 エンコーディングに変換するだけで済みます...
(言語パックの利点はここにあります...あはははは...)
'http://www.knowsky.com
===================== =================== ============

UTF8 中国語インターセプト

UTF8 は 3 バイトを使用するため...
したがって、従来のsubstr 関数は役に立たない...
多くの専門家が UTF8 漢字インターセプト関数を作成しています...
ここにいくつかあります:

1. 最初に計算してから、

/**
* 著者 : ダミー |ザンディ
* 電子メール : lianxiwoo@gmail.com | hotmail.com
* 作成: 200512
* 使用法: echo join('', String::subString_UTF8('汉字', 0, 1));
*/
ini_set('display_errors', 1);
error_reporting(E_ALL ^ E_NOTICE);
class String {
function subString_UTF8($str, $start, $lenth)
{
$len = strlen($str);
$r = array();
$n = 0;
$m = 0;
for($i = 0; $i < $len; $i++) {
$x = substr($str, $i, 1);
$a = base_convert(ord($x), 10, 2);
$a = substr ('00000000'.$a, -8);
if ($n < $start){
if (substr($a, 0) , 1) == 0) {
}elseif (substr($a, 0 , 3) == 110) {
$i += 1;
}elseif (substr($a, 0, 4) == 1110) {
$i += 2;
}
$n++;
}else{
if (substr($a, 0, 1) == 0) {
$r[] = substr($str, $i, 1 );
}elseif (substr($a, 0, 3) == 110 ) {
$r[] = substr($str, $i, 2);
$i += 1;
}elseif (substr( $a, 0, 4) == 1110) {
$r[] = substr($str, $i, 3);
$i += 2;
}else{
$r[] = '';
}
if (++$m >= $lenth){
break;
}
}
}
return $r;
} // End string
echo join('', String: :subString_UTF8('漢字', 0, 1));
2. 抽出後、最初に切り取ります
この方法は非常に賢いです...
最初に従来のインターセプト関数を使用して切り詰めます...
その後、単一の漢字かどうかを判断します分割されている…
その場合は…処理してください…
substrに特に注意してください 関数の第3引数は3より大きい必要があります…
サンダルで説明する必要がない理由については、 右？

// utf-8 文字列の最後の文字を削除するトリム関数

// http://en.wikipedia.org/wiki/UTF-8
// dotann
// 使用法: $ str = utf8_trim(substr($str,0,50));
function utf8_trim($str) {
$len = strlen($str);
for ($i=strlen($str)-1; $i> =0; $i-=1){
$hex .= ' '.ord($str[$i]);
$ch = ord($str[$i]);
if (($ch & 128 )==0) return(substr($str,0,$i));
if (($ch & 192)==192) return(substr($str,0,$i));
}
return ($str.$hex);
}
$str = '中国語文字';
echo utf8_trim(substr($str,0,3));
3. vBulletin 中国語の 007pig など、他のメソッドもあります。バージョン 書かれた関数...
短く簡潔に...
ソースコードは公開できません...
申し訳ありません...