我正在为具有所有不同字母表的国际客户工作,因此我试图最终了解 PHP 和 MySQL 之间的完整工作流程,以确保正确插入所有字符编码。我已经阅读了很多关于这方面的教程,但仍然有问题(有很多东西要学),我想我可以把它们放在一起问。
PHP
header('Content-Type:text/html; charset=UTF-8');
mb_internal_encoding('UTF-8');
HTML
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<form accept-charset="UTF-8"> .. </form>
(虽然后者是可选的,而是一个建议,但我相信我宁愿建议什么都不做)
MySQL
CREATE database_name DEFAULT CHARACTER SET utf8;
或ALTER database_name DEFAULT CHARACTER SET utf8;
和/或utf8_general_ci
用作 MySQL 连接排序规则。
(这里需要注意的是,如果使用 varchar 会增加数据库大小)
联系
mysql_query("SET NAMES 'utf8'");
mysql_query("SET CHARACTER_SET utf8");
业务逻辑
检测是否不是 UTF8mb_detect_encoding()
并转换为ivon()
.
验证过长的 UTF8 和 UTF16 序列
$body=preg_replace('/[\x00-\x08\x10\x0B\x0C\x0E-\x19\x7F]|(?<=^|[\x00-\x7F])[\x80-\xBF]+|([\xC0\xC1]|[\xF0-\xFF])[\x80-\xBF]*|[\xC2-\xDF]((?![\x80-\xBF])|[\x80-\xBF]{2,})|[\xE0-\xEF](([\x80-\xBF](?![\x80-\xBF]))|(?![\x80-\xBF]{2})|[\x80-\xBF]{3,})/','�',$body);
$body=preg_replace('/\xE0[\x80-\x9F][\x80-\xBF]|\xED[\xA0-\xBF][\x80-\xBF]/S','?', $body);
问题
在 PHP 5.3 及更高版本中是
mb_internal_encoding('UTF-8')
必需的,如果是这样,这是否意味着我必须使用所有多字节函数而不是其核心函数,例如mb_substr()
而不是substr()
?是否仍然需要检查格式错误的输入字符串,如果是这样,那么可靠的函数/类是什么?我可能不想删除不良数据并且对音译知之甚少。
真的应该是
utf8_general_ci
还是应该utf8_bin
?上述工作流程中是否缺少某些内容?
来源:
http://coding.smashingmagazine.com/2012/06/06/all-about-unicode-utf8-character-sets/
http://webcollab.sourceforge.net/unicode.html
http://stackoverflow.com/a/3742879/1043231
http://www.adayinthelifeof.nl/2010/12/04/about-using-utf-8-fields-in-mysql/
http://akrabat.com/php/utf8-php-and-mysql/