MongoDB PHP UTF-8 问题

Question

假设我需要插入以下文档：（

{
    title: 'Péter'
}

注意 é）

当我使用以下 PHP 代码时，它会给我一个错误...：

$db->collection->insert(array("title" => "Péter"));

...因为它需要是 utf-8。

所以我应该使用这行代码：

$db->collection->insert(array("title" => utf8_encode("Péter")));

现在，当我请求文档时，我仍然必须对其进行解码...：

$document = $db->collection->findOne(array("_id" => new MongoId("__someID__")));
$title = utf8_decode($document['title']);

有什么方法可以自动化此过程吗？我可以更改 MongoDB 的字符编码（我正在迁移使用 cp1252 West Europe (latin1) 的 MySQL 数据库吗？

我已经考虑过更改 Content-Type-header，问题是所有静态字符串（硬编码）都不是utf8...

提前致谢！ 蒂姆

Answer 1

JSON 和 BSON 只能编码/解码有效的 UTF-8 字符串，如果您的数据（包括输入）不是 UTF-8，您需要在将其传递到任何 JSON 相关系统之前对其进行转换，如下所示：

$string = iconv('UTF-8', 'UTF-8//IGNORE', $string); // or
$string = iconv('UTF-8', 'UTF-8//TRANSLIT', $string); // or even
$string = iconv('UTF-8', 'UTF-8//TRANSLIT//IGNORE', $string); // not sure how this behaves

我个人更喜欢第一个选项，请参阅 iconv() 手册页。其他替代方案包括：

• mb_convert_encoding()< /a>
• utf8_encode(utf8_decode($string))

您应该始终确保您的字符串是 UTF-8 编码的，即使是用户提交的字符串，但是既然您提到您正在迁移从 MySQL 到 MongoDB，您是否尝试过将当前数据库导出为 CSV 并使用 Mongo 附带的导入脚本？他们应该处理这个...

---

编辑：我提到BSON只能处理UTF-8，但我不确定这是否完全正确，我有一个模糊的想法BSON使用UTF-16或 UTF-32 来编码/解码数据，但我现在无法检查。

Answer 2

正如 @gates 所说，BSON 中的所有字符串数据都编码为 UTF-8。 MongoDB 假设了这一点。

两个答案都没有提到的另一个关键点是：PHP 不支持 Unicode。无论如何，从 5.3 开始。 PHP 6 据称将支持 Unicode。这意味着您必须知道操作系统默认使用什么编码以及 PHP 使用什么编码。

让我们回到最初的问题：“有什么方法可以自动化这个过程吗？” ...我的建议是确保您在整个应用程序中始终使用 UTF-8。配置、输入、数据存储、演示，一切。然后“自动化”部分是您的大部分 PHP 代码将变得更简单，因为它始终假定 UTF-8。无需转换。哎呀，没有人说自动化很便宜。 :)

顺便说一句。如果您创建了一个小 PHP 脚本来测试 insert() 代码，请找出文件的编码方式，然后在插入之前转换为 UTF-8。例如，如果您知道文件是 ISO-8859-1，请尝试以下操作：

$title = mb_convert_encoding("Péter", "UTF-8", "ISO-8859-1");
$db->collection->insert(array("title" => $title));

另请参阅

• http ://www.phpwact.org/php/i18n/utf-8
• http://www.ibm.com/developerworks/library/os-php-unicode/
• http://htmlpurifier.org/docs/enduser-utf8.html

Answer 3

我可以更改 MongoDB 的字符编码吗...

BSON 中不存储任何数据。根据 BSON 规范，所有字符串均为 UTF-8。

现在，当我请求该文档时，我仍然需要对其进行解码......：
有什么方法可以自动化这个过程吗？

听起来您正在尝试将数据输出到网页。需要“解码”已经编码的文本似乎是不正确的。

这个输出问题是否是 Apache+PHP 的配置问题？ UTF8+PHP 不是自动的，快速在线搜索可以找到有关此主题的几个教程。