UTF-8、PHP 和 XML Mysql

Question

我在解决这个问题时遇到了很大的问题：

我有一个编码 latin1_swedish_ci 的 mysql 数据库和一个存储名称和地址的表。

我正在尝试输出 UTF-8 XML 文件，但以下字符串出现问题：

Otivägen 当我 vim 文件时，它被输出为 Otivägen 。另外，当打开 IE 时，我得到

“在文本内容中发现无效字符。处理资源时出错”

我有以下代码：

function fixEncoding($in_str)
{
    $cur_encoding = mb_detect_encoding($in_str) ;
    if($cur_encoding == "UTF-8" && mb_check_encoding($in_str,"UTF-8"))
        return $in_str;
    else
        return utf8_encode($in_str);
}

header("Content-type: text/plain;charset=utf-8");
$mystring = "Otivägen" // this is actually obtained from database;

$myxml = "<myxml>
....
     <node>".$mystring."</node>
....
</myxml>
";
$myxml = fixEncoding($myxml);

实际的 XML 输出如下：

<?xml version="1.0" encoding="UTF-8" ?>
<myxml>
    ....
    <node>Otivägen</node>
    ....
</myxml>

任何想法如何输出文件在 vim 中，文件读取的是 Otivägen 而不是 Otivägen？

编辑：

我做了mysql_client_encoding()并得到了latin1
然后我做了 mysql_set_charset()
再次运行 mysql_client_encoding() 并得到 utf8，但仍然存在相同的输出问题。

编辑 2

我已登录命令行并运行查询 SELECT address1 FROM address WHERE id = 1000;

SELECT address1 FROM address WHERE id = 1000;
Current database: ftpuser_db

+-------------+
|   address1  |
+-------------+
| Otivägen 32 |
+-------------+
1 row in set (0.06 sec)

提前致谢！

Answer 1

我认为你做的一切都是正确的，除了你的终端是 Latin-1 之外。

ä 的 UTF-8 序列是 C3 A4，如果显示为 Latin-1，则为 ¤。

Answer 2

您的 MySQL 连接编码是否正确设置为 UTF-8 ？

检查 mysql_set_charset() 和 mysql_client_encoding() 了解更多详细信息。

Answer 3

噢，孩子。 UTF8 问题可能是一个真正的痛苦，当某些东西为您重新编码时，它们几乎不可能解决。

您确实需要从一端开始并确保每个进程都是 UTF8。这将消除过程中错误解释数据并为您“转换”数据的情况。但重要的是，它还可以让您更轻松地发现某些内容已经为您错误编码了文本（是的，我遇到过这个问题）。

如果表中的 UTF8 数据未设置为 UTF8 并且可能编码错误，则需要在数据重新编码后最后处理表。否则您将无法挽回地损坏您的数据。我也遇到过这样的问题。

第一步：

• 检查您的终端是否兼容 UTF8。 Gnome 终端是。克特姆是。 ETerm 不是。
• 检查 shell 中的 LANG 设置。它的值末尾可能应该有 .UTF-8。
• 检查 vim 是否正确选择 UTF8 设置。您可以使用 :set encoding 进行检查，

这意味着您的文件将以 UTF8 进行编辑。

现在我们检查MySQL。

在 MySQL CLI 中，显示“character_set%”等变量；。结果可能类似于：

+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | latin1                     | 
| character_set_connection | latin1                     | 
| character_set_database   | latin1                     | 
| character_set_filesystem | binary                     | 
| character_set_results    | latin1                     | 
| character_set_server     | latin1                     | 
| character_set_system     | utf8                       | 
| character_sets_dir       | /usr/share/mysql/charsets/ | 
+--------------------------+----------------------------+

您的目标是将所有这些 latin1 值（或您看到的任何值）更改为 utf8。

set names utf8; 将更改其中的大部分内容，您可能需要对数据库中的每个新连接执行此操作。这是我在之前的应用程序中不得不采用的解决方案。要更改的其他设置位于 my.cnf 文件中，我需要将您定向到 文档。您不太可能需要将它们全部设置。

我看到您已经设置了输出标头，所以这很好。

现在您可以查看数据库中的数据并了解为什么它是“错误的”。

Answer 4

latin1_swedish_ci 是排序规则，而不是字符集。由于排序规则应该与其字符集匹配，因此表明该表正在使用 latin1，但这并不能保证。

严格来说，表的字符集在这里无关紧要，因为MySql可以转换输入/输出。这就是连接字符集 (mysql_set_charset) 的用途。但是，为了使其正常工作，需要在数据库中对数据进行正确编码。我首先检查数据库中的字符串是否正确。最简单的事情是登录命令行并选择其中包含非 ASCII 字符的行。看起来还好吗？

$mystring = "Otivägen" // this is actually obtained from database;

当心。 $mystring 中数据的编码现在将取决于 php 文件的编码。这可能与数据库中的数据相同，也可能不同。

Answer 5

在输出之前运行查询SET NAMES utf8

在输出之后您可以返回并运行SET NAMES latin1

看看这里， 我也遇到了同样的问题

Answer 6

看来你是“双重编码”Otivägen。如果 Otivägen 已经是 UTF-8，并再次运行 utf8_encode()，您会得到此行为。示例：

$str = "Otivägen"; // already an UTF-8 string
echo utf8_encode($str); // outputs Otivägen

我不确定是否发生了实际的“双重编码”，但这可能是由于编辑器中的设置所致。我的理论。假设您正在运行 Aptana Studio：您的实际字符集设置为 ISO-8859-1（在 Aptana 中，您可以通过右键单击文件并选择“属性”来检查这一点。要为所有项目设置默认字符编码，请选择Aptana 主菜单的首选项 -> 常规 -> 工作区）。如果是这种情况，则实际的 PHP 源文件（其中包含 $myxml 及其字符串 ... 被检测为 ISO-8859 -1，但从数据库接收的 $mystring 是 UTF-8。然后，您的 fixEncoding 函数将运行 else 子句，因为 $myxml 作为一个整体被视为 ISO-8859-1 而不是 UTF-8。这会导致对数据库结果进行双重编码，并且可能是导致您的问题的原因。

在编辑器中检查实际源文件的编码，并验证其是否设置为 UTF-8。或者，尝试对 $myxml 应用或删除 fixEncoding/utf8_encode/utf8_decode。观察结果并了解需要采取哪些措施才能正确实现 Otivägen 的价值。