准备 PHP 应用程序以使用 UTF-8

Question

UTF-8 现在是 Web 应用程序事实上的标准，但 PHP 这不是 PHP 的默认编码（直到 6.0）。大多数服务器默认设置为 ISO-8859-1 编码。

如何重载 .htaccess 中的默认设置以确保 UTF-8、区域设置等一切顺利？ Web 服务器、Unix 操作系统有什么选择吗？

有这些设置的完整列表吗？例如，我应该为每个多语言项目设置 mbstring 选项、iconv 设置、区域设置等？有预定义的 .htaccess 作为示例吗？

（在我的特殊情况下，我需要设置以下语言：英语、荷兰语和俄语。服务器位于乌克兰）。

Answer 1

.htaccess 中有一些有用的选项：

########################################
# Locale settings
########################################

# See: http://php.net/manual/en/timezones.php
php_value date.timezone "Europe/Amsterdam"

SetEnv   LC_ALL  nl_NL.UTF-8

########################################
# Set up UTF-8 encoding
########################################

AddDefaultCharset UTF-8
AddCharset UTF-8 .php

php_value default_charset "UTF-8"

php_value iconv.input_encoding "UTF-8"
php_value iconv.internal_encoding "UTF-8"
php_value iconv.output_encoding "UTF-8"

php_value mbstring.internal_encoding UTF-8
php_value mbstring.http_output UTF-8
php_value mbstring.encoding_translation On
php_value mbstring.func_overload 6

# See also php functions:
# mysql_set_charset
# mysql_client_encoding

# database settings
#CREATE DATABASE db_name
#   CHARACTER SET utf8
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   DEFAULT COLLATE utf8_general_ci
#   ;
#
#ALTER DATABASE db_name
#   CHARACTER SET utf8
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   DEFAULT COLLATE utf8_general_ci
#   ;

#ALTER TABLE tbl_name
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   ;

Answer 2

你是对的，UTF-8 对于网络应用程序来说是一个不错的选择。

编码是所处理的数据的元信息。只要您知道（二进制）数据的编码，您就知道您正在处理什么。如果您不知道编码，您就会开始迷失方向。我经常称之为链，如果编码链被破坏，数据就会被破坏。对于显示数据和安全性来说都是如此。

根据经验，PHP 是二进制的，由上下文/您指定编码（例如，您如何保存 php 源代码文件）。

因此，让我们处理一个简短（且不完整）的列表：

操作系统

环境变量可能会告诉您有关使用的区域设置和编码的信息。例如，文件系统确实有文件和目录名称的编码。我对这个主题不是很坚定，通常我们尝试用英语命名我们的文件，以便仅使用 US-ASCII 范围内的字符，这对于像 这样的拉丁扩展字符集是安全的ISO-8859-1 在您的情况下以及 UTF-8 。

当您保存用户上传的文件时，请记住这一点：只需将文件名过滤为基本字母和标点符号，您几乎不会遇到任何麻烦（az、AZ、0-9、.、-、_），甚至为了视觉目的将它们全部小写。

如果您觉得这会降低可用性，并且文件系统不提供 UTF-8 的 unicode 字符范围，您可以回退到简单的编码，例如 rawurlencode（百分比编码，三元组）并通过将该名称解析到磁盘来提供要下载的文件。

通常你只需要处理你所拥有的。开始向普通系统管理员或程序员询问有关字符编码的问题，大多数人会告诉您他们并不真正感兴趣。当然，这是主观的，但如果您需要有人为您配置某些东西，这可能会有所不同。

HTML

这仅独立于 PHP，它与脚本提供的输出有关，因此是工作领域。

• 处理 HTML 和 CSS 中的字符编码

经验法则是：指定它。如果您没有指定它（HTML 文件、CSS 文件、Javascript 文件），则不要指望它能够精确工作。那就做吧。编码是一条链，如果有很多组件，请确保每个组件都知道它的编码。否则浏览器只能猜测。 UTF-8 是一个不错的选择，但我们的工作是小心谨慎并使其精确且定义良好。

PHP 设置

作为一般经验法则，请开始阅读 Linux 发行版的 PHP 包附带的 php.ini 文件。它在注释和进一步链接中附带了可读的文档。我想到的一些设置：

• default_charset - PHP 始终在 Content-type: 标头中默认输出字符编码。要禁用发送字符集，只需将其设置为空 (来源）。有关一般信息，请参阅设置 HTTP 字符集参数^{W3C< /sup>}。如果您想改进站点的输出，例如，当用户使用浏览器保存输出时保留编码信息，请添加 HTML http-equiv 元标记以及 。
• output_handler - 此设置值得一看，因为它指定输出处理程序（输出缓冲控制^文档）和每个处理程序（mb、iconv）可以有自己的编码设置（请参阅字符串）。

字符串

• 字符串^{文档< /em>} - PHP 中的默认字符串是二进制的。只要您将它们与二进制安全函数一起使用，您就会得到您所期望的结果。从 PHP 5.2.1 开始，您可以 转换字符串显式转换为二进制字符串。这是为了向前兼容上述 PHP 6 unicode 支持：$binary = (binary) $string; 或 $binary = b"binary string";。
• mb_internal_encoding() ^文档 - 获取或设置它； mbstring.internal_encoding< sup>INI。内部编码是用于HTTP输入字符编码转换、HTTP输出字符编码转换以及mbstring模块定义的字符串函数的默认字符编码的字符编码名称。
• iconv_set_encoding()^文档 - 与 iconv 扩展相当。另请参阅 iconv 配置设置。
• 各种：一些处理字符序列的函数允许您指定字符集编码。例如 htmlspecialchars^文档 。使用这些参数并检查文档以了解其默认值。通常它是 ISO-8859-1，但您正在寻找 UTF-8。其他函数，例如 html_entity_decode^{< em>文档}默认使用UTF-8。有些像 htmlspecialchars_decode 没有指定一个字符集，所以你需要 阅读 PHP 源代码，以具体了解该函数如何处理（二进制）字符串。

回答您的问题：设置和参数的需要始终取决于您使用的组件。对于浏览器或网络服务器等一般设备，可以提供推荐设置以将其配置为 UTF-8。但其他一切都取决于。最重要的是查找它并确保您知道编码并且可以配置/指定它。通常它会被记录下来。只要您不需要处理可移植代码，这就会简单得多，因为您可以控制环境或者您只需要处理特定环境。编写防御性代码并考虑到编码，你应该没问题。

Answer 3

1. 您的所有文件都必须使用代码编辑器以 UTF-8（无 BOM） 格式保存。

2. 网络服务器可能配置为发送不适当的标头，因此建议在应用程序级别覆盖它们。例如：

   header('内容类型：text/html; charset=utf-8');
   

3. 添加 HTML 元内容类型：

4. 使用 htmlspecialchars() 而不是 htmlentities() 因为前者在 utf-8 中就足够了后者默认与 utf-8 不兼容。

5. 倾向于不使用 PHP 标准字符串函数，因为其中许多与 utf-8 不兼容。尝试在多字节字符串或其他库中找到它们的对应项。 （在使用库之前不要忘记设置默认字符集，因为库支持多种编码，而 utf-8 只是其中之一。）

6. 对于正则表达式，请使用 u 修饰符。例如：

   preg_match('/ž{3,5}/u', $string, $matches);
   

   这是检查给定字符串是否为有效 utf-8 字符串的最可靠方法：

   if (@preg_match('//u', $string) === false) {
       // 无效！
   } 别的 {
       // 有效的！
   }
   

7. 如果您使用数据库，则始终在建立连接后立即设置适当的连接编码。 MySQL 示例：

   mysql_set_charset('utf8', $link);
   

   同时检查数据库中的列是否采用 utf-8 格式。并不总是需要，但建议这样做。

Answer 4

基本上我做了三件事来正确使用捷克语：

1）在 PHP 中定义语言环境：

setlocale(LC_COLLATE, "cs_CZ");
setlocale(LC_CTYPE, "cs_CZ");

所以你会使用类似的东西：

setlocale(LC_ALL, "en_US.utf8");
setlocale(LC_ALL, "nl_NL.utf8");

基于当前切换到的语言。

2）定义数据库的字符集：

mysql_query("set names latin2 collate latin2_czech_cs");

3）定义PHP/HTML代码的字符集：

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-2">

我不使用任何.htaccess设置。您可以根据您的情况修改此设置，在区域设置中使用类似 en_US.utf8 （基于当前切换到的语言），在字符集中使用 utf-8 而不是 latin2/iso-8859-2它应该运作良好。

Answer 5

尝试以下方法之一：

 AddDefaultCharset UTF-8
 AddCharset UTF-8 .php