准备PHP应用程序以与UTF-8一起使用

Question

UTF-8现在是Web应用程序的事实标准，但PHP不是PHP的默认编码（直到6.0）。 默认情况下，大多数服务器都设置为ISO-8859-1编码。

如何重载.htaccess的默认设置以确保UTF-8，语言环境等一切顺利？ Web服务器的任何选项，Unix操作系统？

这些设置有没有全面的清单？ 例如mbstring选项， iconv设置，语言环境等我应该为每个多语言项目设置？ 以预定义的.htaccess为例？

（在我的特殊情况下，我需要设置语言：英语，荷兰语和俄语。服务器在乌克兰）。

Answer 1

.htaccess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是webapplications的不错选择。

编码是获得处理的数据的元信息。 只要你知道（二进制）数据的编码，就知道你在处理什么。 如果您不知道编码，就会开始迷路。 我经常将其称为链，如果编码链断开，数据将被破坏。 这对于显示数据和安全性都是如此。

根据经验，PHP是二进制的，它是指定编码的上下文/你（例如你如何保存你的php源代码文件）。

那么让我们来处理一个简短（不完整）的列表：

操作系统

环境变量可能会告诉您正在使用的语言环境和编码。 例如，文件系统对文件和目录的名称进行编码。 我对这个主题不是很坚定，通常我们试着用英文命名我们的文件，所以只使用US-ASCII范围内的US-ASCII ，这对于你的情况下的拉丁语扩展字符集如ISO-8859-1也是安全的。至于UTF-8 。

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，您几乎不会有麻烦（ az ， AZ ， 0-9 ， . ， - ， _ ），甚至将它们全部小写用于视觉目的。

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rawurlencode （Percent-Encoding，triplet）等简单编码，并通过解析该名称来提供要下载的文件到磁盘。

通常你只需要处理你拥有的东西。 开始向常见的系统管理员或程序员询问字符编码，大多数人都会告诉你他们并不是真正感兴趣。 当然这是主观的，但如果你需要有人为你配置一些东西，这可能会有所不同。

HTML

这仅仅是PHP独立的，它是关于脚本提供的输出所以工作领域。

• 处理HTML和CSS中的字符编码

经验法则是：指定它。 如果你没有指定它（HTML文件，CSS文件，Javascript文件），不要指望它能正常工作。 那就做吧。 编码是一个链，如果有很多组件，确保每个人都知道它的编码。 否则浏览器只能猜测。 UTF-8是一个不错的选择，但我们的工作是保持精确和明确。

PHP设置

作为一般经验法则，请开始阅读随Linux发行版的PHP包附带的php.ini文件。 它附带可读文档的评论和更多链接。 我想到的一些设置：

• default_charset - 默认情况下， PHP 始终在Content-type：标头中输出字符编码。 要禁用发送charset，只需将其设置为空 （ Source ）。 有关一般信息，请参阅设置HTTP字符集参数^W3C 。 如果您想改善网站的输出，例如在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<meta http-equiv="Content-type" content="text/html;charset=UTF-8"> 。
• output_handler - 这个设置值得一看，因为它指定了输出处理程序（ Output Buffering Control ^Docs ），每个处理程序（ mb ， iconv ）都可以拥有自己的编码设置（参见字符串 ）。

字符串

• 字符串 ^文档 - 默认情况下，PHP中的字符串是二进制的。 只要您将它们与二进制安全功能一起使用，您就可以获得所期望的功能。 从PHP 5.2.1开始，您可以将字符串显式转换为二进制字符串 。 这是对于所述PHP 6 unicode支持的向前兼容性： $binary = (binary) $string; 或$binary = b"binary string"; 。
• mb_internal_encoding() ^文档 - 获取或设置它; mbstring.internal_encoding ^INI 。 内部编码是用于HTTP输入字符编码转换的字符编码名称，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。
• iconv_set_encoding() ^文档 - 可与iconv扩展名相媲美。 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 ^Docs 。 使用这些参数并检查文档的默认值。 通常它是ISO-8859-1但你正在寻找UTF-8 。 其他功能如html_entity_decode ^Docs默认使用UTF-8 。 有些像htmlspecialchars_decode根本没有指定字符集，所以你需要阅读PHP源代码，以便具体了解函数如何处理（二进制）字符串。

回答您的问题：设置和参数的需求总是取决于您使用的组件。 对于浏览器或网络服务器等常规设备，可以提供推荐设置以使其配置为UTF-8 。 但其他一切都取决于它。 最重要的是寻找它并确保您知道编码并可以配置/指定它。 通常它是记录在案的。 只要您不需要处理可移植代码，就可以更加简单，因为您可以控制环境，或者只需要处理特定环境。 编写代码时考虑到编码的防御性，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）保存。

2. Web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('Content-Type: text/html; charset=utf-8'); 

3. 添加HTML元内容类型：

    <meta http-equiv="Content-Type" content="text/html; charset=utf-8"> 

4. 使用htmlspecialchars()而不是htmlentities()因为前者在utf-8中足够，而后者在默认情况下与utf-8不兼容。

5. 不要使用PHP标准字符串函数，因为其中许多函数与utf-8不兼容。 尝试在Multibyte String或其他库中找到它们的对应物。 （在使用它之前不要忘记为库设置默认字符集，因为该库支持许多编码，而utf-8只是其中之一。）

6. 对于正则表达式，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有效utf-8字符串的最可靠方法：

    if (@preg_match('//u', $string) === false) { // NOT valid! } else { // Valid! } 

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

    mysql_set_charset('utf8', $link); 

   还要检查数据库中的列是否在utf-8中。 它并不总是需要，但建议。

Answer 4

基本上我用捷克语做了三件事：

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）为数据库定义charset：

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">

我没有使用任何.htaccess设置。 您可以根据您的情况修改此项，在语言环境中使用类似en_US.utf8 （基于当前切换到的语言），在charset中使用utf-8而不是latin2 / iso-8859-2，它应该可以正常工作。

Answer 5

请尝试以下方法之一：

 AddDefaultCharset UTF-8
 AddCharset UTF-8 .php