'始终如一地拥抱 UTF-8”

Question

我正在设置一个新的服务器，并希望在我的Web应用程序中完全支持UTF-8。过去我在现有服务器上尝试过这个，但总是不得不退回到ISO-8859-1。

我需要在哪里设置编码/字符集？我知道我需要配置Apache，MySQL和PHP来实现这一点 - 是否有一些标准的检查清单我可以遵循，或者可以排查不匹配的地方吗？

这是一个运行MySQL 5，PHP 5和Apache 2的新Linux服务器。

Answer 1

我想在chazomaticus的出色回答中添加一点内容：

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IE7以前给我带来了问题。

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国际化（I18N）专区。他们有许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（或者在作为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（没有明确指定字符集），MySQL将隐式使用utf8mb4编码。

• 在旧版本的MySQL（< 5.5.3）中，您只能使用仅支持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，都需要将连接字符集设置为utf8mb4。这样，MySQL在将数据传递给应用程序和反之时不会进行任何从其本地UTF-8的转换。

• 某些驱动程序提供了自己的机制来配置连接字符集，该机制同时更新其自己的内部状态并通知MySQL要在连接上使用的编码 - 这通常是首选方法。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charset：

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

  • 如果您使用的是mysqli，您可以调用set_charset()：

    $mysqli->set_charset('utf8mb4');       // 面向对象的样式
      mysqli_set_charset($link, 'utf8mb4');  // 过程化的样式

  • 如果您被限制使用纯mysql，但恰好运行的是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来告诉MySQL您的应用程序希望在连接上如何编码数据：SET NAMES 'utf8mb4'。

• 与上述相同的关于utf8mb4/utf8的注意事项也适用于此处。

输出:

• 应在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）或手动使用header()函数来实现。
• 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，浏览器必须被告知以哪种编码方式发送数据（通过HTTP响应头或HTML元数据）。
• 使用json_encode()对输出进行编码时，作为第二个参数添加JSON_UNESCAPED_UNICODE。

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做任何特殊处理。
• 如果您对请求编码有疑问（例如可能被篡改），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()可以实现，但您必须始终使用它。由于恶意客户端可以以任何他们想要的编码提交数据，因此没有办法可靠地让PHP为您执行此操作。

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字符串时都能安全地进行。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：不搞砸它），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，了解您需要了解的所有内容的一些好资源。