"暢行無阻：UTF-8的通行之路"

Question

我正在設定一個新的伺服器，並希望在我的網路應用程式中完全支援UTF-8編碼。過去我在現有的伺服器上嘗試過這個，但總是不得不退回到ISO-8859-1編碼。

我需要在哪裡設定編碼/字元集？我知道我需要配置Apache、MySQL和PHP來實現這一點 - 是否有一些標準的檢查清單我可以遵循，或者可以排除不匹配的問題的故障排除方法？

這是一個運行MySQL 5、PHP 5和Apache 2的新Linux伺服器。

Answer 1

我想對chazomaticus的優秀回答補充一點：

不要忘記META標籤（像這樣，或它的HTML4或XHTML版本）：

<meta charset="utf-8">

這似乎微不足道，但IE7以前曾經給我帶來麻煩。

我所做的一切都是正確的；資料庫、資料庫連接和Content-Type HTTP頭都設定為UTF-8，在所有其他瀏覽器中都正常工作，但Internet Explorer仍然堅持使用「西歐」編碼。

結果發現頁面缺少META標籤。新增後問題解決。

編輯：

實際上，W3C有一個相當大的專門用於I18N的部分。他們有許多與此問題相關的文章 - 描述了HTTP、(X)HTML和CSS方面的內容：

• 常見問題：將(X)HTML頁面編碼變更為UTF-8
• 在HTML中宣告字元編碼
• 教學：XHTML、HTML和CSS中的字元集和編碼
• 設定HTTP字元集參數

他們建議同時使用HTTP頭和HTML meta標籤（或在以XML形式提供的XHTML的情況下使用XML宣告）。

Answer 2

資料儲存:

• #在資料庫中的所有表格和文字列上指定utf8mb4字元集。這使得MySQL在物理上儲存和檢索以UTF-8編碼的值。請注意，如果指定了utf8mb4_*校對（沒有任何明確字元集），MySQL將隱式使用utf8mb4編碼。

• 在舊版的MySQL（< 5.5.3）中，您將不得不使用僅支援Unicode字元子集的utf8。我希望我是在開玩笑。

資料存取:

• #在應用程式程式碼中（例如PHP），無論使用什麼資料庫存取方法，您都需要將連接字元集設定為utf8mb4。這樣，MySQL在將資料傳遞給應用程式和反之時，不會進行任何從其本地UTF-8的轉換。

• 某些驅動程式提供了自己的機制來配置連接字元集，該機制既更新其自身的內部狀態，又通知MySQL要在連接上使用的編碼-這通常是首選的方法。在PHP中：

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

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

  • 如果您使用的是mysqli，您可以呼叫set_charset()：

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

  • 如果您被困在純mysql中，但碰巧運行的是PHP ≥ 5.2.3，您可以呼叫mysql_set_charset#。

• 如果驅動程式沒有提供自己的設定連接字元集的機制，您可能需要發出查詢來告訴MySQL應用程式在連接上期望資料的編碼：SET NAMES 'utf8mb4'。

• 與上述相同的關於utf8mb4/utf8的考慮也適用於此。

輸出:

• UTF-8應該在HTTP頭中設置，例如Content-Type: text/html; charset=utf-8。您可以透過在php.ini中設定default_charset（首選）或手動使用header()函數來實現。
• 如果您的應用程式將文字傳輸到其他系統，它們也需要被告知字元編碼。對於網頁應用程序，瀏覽器必須被告知資料發送的編碼方式（透過HTTP回應標頭或HTML元資料）。
• 在使用json_encode()對輸出進行編碼時，將JSON_UNESCAPED_UNICODE作為第二個參數新增。

輸入:

• 瀏覽器將按照文件指定的字元集提交數據，因此在輸入上不需要做任何特殊處理。
• 如果您對請求編碼有疑問（以防它可能被篡改），您可以在嘗試儲存或在任何地方使用之前驗證每個接收到的字串是否為有效的UTF-8。 PHP的mb_check_encoding()#可以解決這個問題，但您必須嚴格使用它。實際上沒有繞過此問題的方法，因為惡意客戶端可以以任何他們想要的編碼提交數據，而我還沒有找到一個可靠地讓PHP為您執行此操作的技巧。

其他程式碼注意事項:

• 顯然，您將提供的所有檔案（PHP、HTML、JavaScript等）都應該以有效的UTF-8進行編碼。

• 您需要確保每次處理UTF-8字串時都能安全進行。這是非常困難的部分。您可能需要廣泛使用PHP的mbstring擴充。

• PHP的內建字串操作預設情況下不是UTF-8安全的。 您可以使用普通的PHP字串操作（如連接）來安全地執行某些操作，但對於大多數操作，您應該使用等效的mbstring函數。

• 要知道自己在做什麼（即不要搞砸），您真的需要了解UTF-8以及它在最低級別上的工作方式。查看utf8.com上的任何鏈接，了解您需要知道的一切。