PHP5中处理Unicode的指南？

Question

大家好，我正在开发一个新网站（php5/mySQL），并希望最终加入Unicode阵营。目前我对支持Unicode几乎一无所知，但我希望在你们的帮助下解决这个问题。

在疯狂使用谷歌搜索和仔细查看所有看起来有希望的Unicode入门页面后，我得出结论：尽管不是完全支持，但我珍爱的编程语言（PHP，如果有人忘记了）至少已经试图应对这个外来的难题（而且从其他信息中看，似乎成功了？）。我还得出了这样的结论：

<php header('Content-Type: text/html; charset=utf-8'); ?>

我发现stackoverflow是一个很好的开始之地，并且因为我在（共享的）主机上有足够的空间，所以应该考虑支持UTF-8编码。

然而，我不确定 mb_* 这种奇怪的功能是什么意思，也不知道如何将其整合到像 strlen() 这样的函数中……说实话，我目前不知道还有哪些其他功能（我不能没有）会受到影响。

因此，在Unicode方面让我感到困惑时，我来到了StackOverflow，寻求启示和可能澄清的帮助。我真的很想支持它，但我需要认真的帮助。

附：Unicode是否影响 mysql_real_escape_string() 或任何其他防止 XSS 的安全措施？我也需要了解这个！

提前感谢。

• 我会加入JavaScript，因为我将使用纯js和jQuery的混合，而不知道Unicode支持+此语言的情况。;)

- Zydeco

---

+1 鼓励提出那些很少有人问的问题。Unicode 是每个程序员都应该了解的内容。 - Thanatos

更不用说PHP和Unicode并不是非常直观的。 - GWW

我的错。我评论的目的是认为支持 Unicode 最重要的事情是理解我列出的内容，而不是 PHP 中支持 Unicode 的特定细节。 - goat

没关系，我理解你说的话的意思和原因，并且很感激。然而，如果我不知道如何正确处理主要语言的支持，PHP的“缺陷”就会非常严重。这就是为什么我希望有人能够回答更多的信息，例如是否通过支持来牺牲更少/更多的安全性，哪些“正常”的PHP内置函数需要被“更改”，以及像etranger提到的“UTF-8 without BOM”（我不知道）。 :) - Zydeco

这只是你知识上的暂时缺陷，而不是 PHP 的错误。其他编程语言也不能像我们生活在 ASCII 世界一样神奇地使 Unicode 正常工作。这里已经有很多错误的答案了...祝好运。 - goat

Answer 1

1. 欢迎加入utf8船员团队 :)
2. 您应该简单地使用mb_*函数，替换传统的str*函数。
3. MySQL及其API长期以来一直支持utf8，唯一的要求是在保存数据和连接时使用正确的编码。请搜索“SET NAMES utf8”。
4. 请注意preg_*函数的'u'修饰符，它告诉它们使用unicode模式。

- Dennis Kreminsky

---

请注意，您的源代码文件应该是utf8 WITHOUT BOM格式，因为它会在PHP开始之前输出并导致非常奇怪的“Headers already sent”问题。 - Dennis Kreminsky

1. 非常感谢，我很高兴来到这里。 :)
2. 有没有“速查表”类型的地方列出它们的清单，或者展示如何使用它们的地方？（PHP手册，嗯，基本上让我迷失了）。
3. 我至少找到了这么多，并且知道如何存储在UTF-8中。
4. '/u'，对吧？
5. 我使用Wine中的Notepad++，所以为了回复你的回复，我选择“UTF-8无BOM”，这应该解决源代码文件的问题吧？ - 另外，非常抱歉我的回复比较混乱。我在回复方面有点新手，不知道是否有换行的方式，因为按Enter键似乎会将我的评论发送出去。

- Zydeco

嗯，所以mb_*是任何字节（或字符）特定函数的替代品，因为它支持多字节字符（Unicode！），对吧？这让我对安全性产生了疑问，是否有任何变化，比如mysql_real_escape_string()（可能没有），或者htmlentities()（有吗？）。当然，如果还有其他我不知道需要了解的内容，请告诉我。 - Zydeco

你对于 mb_* 是正确的；mb 代表 multibyte 字符串扩展。mysql_real_escape_string() 使用与数据库连接相同的编码，所以只要您连接为 utf8，就很安全。至于 htmlentities，无法确认其可靠性，因为它在 Cyrillic 字符上存在问题（这也是我首先使用 utf8 的原因）。 - Dennis Kreminsky

没有什么特别的jQuery，唯一让我感到困扰的是php的json_encode()如何处理非ASCII字符，将它们转换为\uXXXX表示法，这不太好。 这会影响JSON，但不直接影响JavaScript。 - Dennis Kreminsky

Answer 2

我不喜欢只给出一堆链接，但以下是我发现有用的：

• http://developer.loftdigital.com/blog/php-utf-8-cheatsheet
• http://www.herongyang.com/PHP/non_ascii_string.html
• http://www.herongyang.com/PHP/non_ascii_form.html
• http://www.phpwact.org/php/i18n/charsets
• http://www.phpwact.org/php/i18n/utf-8
• http://kore-nordmann.de/blog/php_charset_encoding_FAQ.html

- JW.

Answer 3

在处理 Unicode 时：

• 输出页面时，在页面顶部使用<meta content="text/html; charset=utf-8" http-equiv="Content-Type" />
• 连接数据库后，立即使用以下 SQL 查询：mysql_query("set names 'utf8'");
• 确保所有表和必需的字段都具有字符集类型：'utf8_unicode_ci'

- Imran Omar Bukhsh

---

我原本认为正确的文档类型和HTML标签的组合比meta标签更有效。有人能为我澄清一下吗？至于连接数据库，我认为如果页面本身编码为UTF-8并且数据库也是UTF-8编码，那么就不会有问题了吧？ - Zydeco

我使用了上述组合使事情正常工作。我还发现'mysql_query("set names 'utf8'")'是必要的。至于正确的doctype与meta问题，请咨询专家。 - Imran Omar Bukhsh

我不知道是谁做的，但不是我。 - Zydeco