如何将日语编码为“日本に行って”之类的内容？ (UTF-8)

Question

正如标题中的问题所述。 我似乎无法找到以下任何问题的答案： php headers、css headers、html headers、mysql charsets（到 utf8_general_ci），或者

<form acceptcharset="utf-8"... >

真的被这个难住了。

我基本上正在经历这个过程：

1. 输入日语字符，通过表单进行处理
2. 表单保存在 MySQL DB 中
3. PHP 从 MySQL DB 中提取数据，并将其格式化为网页

在第 3 步，我检查代码并看到它确实显示日语字符。 因为它正在这样做，所以我猜测它导致了我收到的 PHP 错误（对于英文字符工作正常的函数对于日语文本工作得不太好）。

所以我想以UTF-8格式编码，但我不知道该怎么做？

编辑：这是我在日语文本上使用的 PHP 函数，

function short_text_jap($text, $length=300) { 
    if (strlen($text) > $length) { 
            $pattern = '/^(.{0,'.$length.'}\\b).*$/s'; 
            $text = preg_replace($pattern, "$1...", $text); 
    } 
    return $text;

但它返回的是整个内容，而不是缩短的文本量。

Answer 1

当您似乎想要将 UTF-8 编码字符串转换为 ASCII 并将非 ASCII 字符转换为字符引用时，您可以使用 PHP 的多字节字符串函数 执行此操作：

mb_substitute_character('entity');
$str = '日本語';  // UTF-8 encoded string
echo mb_convert_encoding($str, 'US-ASCII', 'UTF-8');

输出为：

日本語

Answer 2

对于什么是 UTF8 似乎有些混乱：通过将目标声明为获得字面日语字符的“UTF8 版本”。

像 日 这样的东西是已经在某些编码中表示的 ASCII 兼容的 HTML 实体（基本上是 Unicode 引用），而 UTF8 是一种多字节编码方案，它定义了字符在字节级别上的存储方式。

我建议依靠字面形式，因为它使国际字母表的混乱更容易管理。

只需在任何地方迁移到 UTF8：数据库、HTML、PHP 和文件类型。然后就可以使用 PHP 多字节字符串 扩展来处理多字节字符：

mb_internal_encoding("UTF-8");

function short_text_jap($text, $length=300) {
    return mb_strlen($text) > $length ? mb_substr($text, 0, $length) : $text;
}

echo short_text_jap('日本語', 2); // outputs 日本