我想确保我所知道的关于UTF-8的一切都是正确的.我一直试图使用UTF-8一段时间,但我不断遇到越来越多的错误和其他奇怪的事情,这使得看起来几乎不可能拥有100%的UTF-8网站.我似乎总是想念一个地方.也许这里有人可以纠正我的清单或者确定它,所以我不会错过任何重要的事情.
数据库
每个站点都必须在某处存储数据.无论您的PHP设置是什么,您还必须配置数据库.如果您无法访问配置文件,请确保在连接后立即" 设置名称'utf8' ".另外,请确保在所有表上使用utf8_ unicode_ ci.这假设MySQL是一个数据库,你必须为其他人改变.
正则表达式
我做了很多比你的普通搜索替换更复杂的正则表达式.我必须记住使用"/ u"修饰符,以便PCRE不会破坏我的字符串.然而,即便如此,显然仍然存在问题.
字符串函数
所有默认字符串函数(strlen(),strpos()等)都应该用多字节字符串函数替换,它们查看字符而不是字节.
标题 您应确保您的服务器返回正确的浏览器标题,以了解您尝试使用的字符集(就像您必须告诉MySQL).
header('Content-Type:text/html; charset = utf-8');
将正确的<meta>标记放在页眉中也是一个好主意.虽然实际的标题会覆盖它,但它们应该不同.
<meta http-equiv="Content-Type" content="text/html;charset=utf-8">
问题
我是否需要在页面加载时将我从用户代理(HTML表单和URI)收到的所有内容转换为UTF-8,或者我是否可以保留字符串/值,并且仍然可以通过这些函数运行它们而不会出现问题？
如果我确实需要将所有内容转换为UTF-8 - 那么我应该采取哪些步骤？mb_detect_encoding似乎是为此而建的,但我一直看到人们抱怨它并不总是有效.mb_check_encoding似乎也有问题从一个格式错误的字符串中告诉一个好的UTF-8字符串.
PHP是否会根据所使用的编码(如文件类型)以不同的方式将字符串存储在内存中,或者它是否仍然像常规字符串一样存储,其中某些字符的解释方式不同(例如& vs&in HTML). chazomaticus回答了这个问题:
在PHP中(无论如何最多为PHP5),字符串只是字节序列.没有与之相关的隐含或显式字符集; 这是程序员必须跟踪的东西.
如果给mb_*函数一个非UTF-8字符串会导致问题吗？
如果UTF字符串编码不正确会出错(比如正则表达式中的解析错误？)或者它只是将实体标记为坏(html)？有不正确编码的字符串是否有可能导致函数返回FALSE,因为字符串不好？
我听说你应该把你的表格标记为UTF-8(accept-charset ="UTF-8"),但我不确定它的好处是什么......？
编写UTF-16是为了解决UTF-8的限制吗？就像UTF-8用尽人物的空间一样？(Y2(UTF)K？)
功能
以下是我发现的一些自定义PHP函数,但我无法验证它们是否真正有效.也许某人有一个我可以使用的例子.首先是convertToUTF8(),然后是来自wordpress的seem_utf8.
function seems_utf8($str) {
$length = strlen($str);
for ($i=0; $i < $length; $i++) {
$c = ord($str[$i]);
if ($c < 0x80) $n = 0; …我正在寻找关于如何处理来自用户的无效UTF-8输入的一般策略/建议.
即使我的webapp使用UTF-8,某些用户也会输入无效字符.这会导致PHP的json_encode()中的错误,并且总体来说似乎是一个坏主意.
W3C I18N常见问题解答:多语言表格说"如果收到非UTF-8数据,则应该发回错误信息.".
编辑:我非常熟悉mbstring扩展,并没有问"UTF-8如何在PHP中工作".我希望那些在实际情况下有经验的人提供建议.
EDIT2:作为解决方案的一部分,我真的很想看到一种将无效字符转换为U + FFFD 的快速方法
我想在我们的网站上标准化UTF8.我们所有的数据库和互联网资料都是UTF8.我们所有的Web服务器都在发送charset=utf-8HTTP标头.但是我发现通过将我的Firefox(视图 - >字符编码)中的编码更改为其他内容,我可以将拉丁字符9字符输入到表单中,PHP只会将它们视为格式错误的UTF8.
我要担心多少钱？用户的Web浏览器是否可以覆盖UTF8字符集标头并发送非UTF8？
更新:有几个人建议accept-charset个人表格.但是,我宁愿不必更改每个Web表单.假设我可以控制HTTP内容类型标头,并将其设置为UTF8,我有什么需要担心的吗？
我在表单中使用accept-charset ="utf-8"属性,发现在使用非ascii进行表单发布时,标头在请求标头中有不同的accept charset选项.有什么我想念的吗？我的表格看起来像这样
<form method="post" action="controller" accept-charset="UTF-8">
..input text box
.. submit button
</form>
提前致谢
我正在将Java 11与带有最新JSP / JSTL的Tomcat 9配合使用。我正在Windows 10的Chrome 71和Firefox 64.0中进行测试。我有以下测试文档：
<%@ page contentType="text/html; charset=UTF-8" %>
<%@ taglib prefix="c" uri="http://java.sun.com/jsp/jstl/core" %>
<!DOCTYPE html>
<html lang="en-US">
<head>
<meta charset="UTF-8"/>
<title>Hello</title>
</head>
<body>
<c:if test="${not empty param.fullName}">
<p>Hello, ${param.fullName}.</p>
</c:if>
<form>
<div>
<label>Full name: <input name="fullName" /></label>
</div>
<button>Say Hello</button>
</form>
</body>
</html>
这也许是最简单的形式。如您所知，表单method默认为get，表单action默认为""（提交到同一页面），表单enctype默认为application/x-www-form-urlencoded。
如果我在字段中输入名称“FlávioJosé”（巴西著名的法罗歌手和音乐家）并提交，则通过将该表单通过HTTP提交GET到同一页面hello.jsp?fullName=Fl%C3%A1vio+Jos%C3%A9。这是正确的，并且页面上显示：
Hello, Flávio José.
如果将表单更改method为post并输入相同的名称“FlávioJosé”，则表单内容将通过提交POST，并带有HTTP请求内容：
fullName=Fl%C3%A1vio+Jos%C3%A9
这似乎也是正确的。但是这次页面显示：
Hello, Flávio …