PHP 与 UTF-8 的最佳实践

tgpx9161 7年前
   <p>《PHP中的字符串、编码、UTF-8》一文中描述了一些列的基础知识,比较枯燥,现在来说点有用的——PHP 字符串处理的最佳实践,本文是“PHP、字符串、编码、UTF-8”相关知识的第二部分。先说结论—— <strong>在 PHP 中的各个方面使用 UTF-8</strong> 编码。</p>    <p>PHP 语言层面是不支持 Unicode字符集的,但是可以通过 UTF-8 编码能处理大部分问题。</p>    <p>最佳实践就是明确知道输入编码(不知道就检测),内部统一转换为 UTF-8 编码,输出编码也统一是 UTF-8编码。</p>    <p>PHP 层面如何处理 UTF-8</p>    <p>当操作 Unicode 字符集的时候,请务必安装 mbstring 扩展,并使用相应的函数代替原生的字符串函数。举个例子,一个文件编码为 UTF-8 的 PHP 代码,假如使用 strlen() 函数是错误的,请使用 mb_strlen() 函数代替。</p>    <p>mbstring 扩展大部分的函数都需要基于一个编码(内部编码)来处理,请务必统一使用 UTF-8 编码,这个大部分可以在 PHP.INI 中配置。</p>    <p>从 PHP 5.6 开始,default_charset 配置可以替换 mbstring.http_input,mbstring.http_output 。</p>    <p>另外一个重要的配置就是 mbstring.language,这个默认值是 Neutral(UTF-8)。</p>    <p>注意文件编码和 mbstring 扩展的内部编码不是同一个概念。</p>    <p>概括的说来:</p>    <ul>     <li>PHP.INI 中涉及到 mbstring 扩展的部分尽量使用 UTF-8。</li>     <li>请用 mbstring 扩展函数代替原生字符串操作函数。</li>     <li>在使用相关函数的时候,请务必了解你操作的字符的编码是什么,在使用对应函数的时候,显示的写上 UTF-8 编码参数,比如 htmlentities() 函数的第三个参数显示写上 UTF-8。</li>    </ul>    <p>文件 IO 操作 如何处理 UTF-8</p>    <p>这里举个例子,假如你要打开一个文件,但是不知道文件内容是什么编码的,那么如何处理呢?</p>    <p>最佳实践就是,在打开的时候统一转换成 UTF-8,修改内容后就再转回原来的编码并保存到文件。看代码把:</p>    <pre>  <code class="language-php">if ( mb_internal_encoding()!="UTF-8") {          mb_internal_encoding("UTF-8");  }    $file = "file.txt"; //一个编码为gbk的中文文件  $str= file_get_contents($file);  //不管来源是什么编码,统一显示的时候转换为 UTF-8   if (mb_check_encoding($str,"GBK"))       $str =  mb_convert_encoding($str,"UTF-8",“GBK”);     $str ="修改内容";  $str =  mb_convert_encoding($str,$srcbm,"UTF-8"); //原样转回去  file_put_contents($file,$str);</code></pre>    <p>Mysql 和 UTF-8 的最佳实践</p>    <p>这个相对简单,首先保证你的 Mysql 都是 UTF-8。然后 Mysql 客户端连接的时候也保持 UTF-8,具体到 PHP 中,就是 imysql 或者 PDO 扩展连接 Mysql 的时候都设置 UTF-8 作为连接编码,二边保持一致,一般就不会遇到问题。</p>    <p>浏览器和 UTF-8 的最佳实践</p>    <p>这个也比较简单,就是你的输出内容假如是网页,那么你的字符串处理输出最总请保持为 UTF-8 ;同时 PHP.INI 中也明确设定 default_charset 为 UTF-8;HTML 的 Meta Tag 也明确标识为 UTF-8。</p>    <p>现在万事大吉了吗,并没有,虽然服务器和浏览器让用户使用 UTF-8 编码,但是用户的行为并没有约束性,他可能输入的是其他编码的字符,或者上传的文件名是其他编码的字符,那么怎么办呢?可以通过 mb_http_input() 和 mb_check_encoding() 函数来检测用户的编码,然后内部转换为 UTF-8。确保在任何一个层面,最终处理的是 UTF-8 编码。换句话说,需要手段能够知晓你的输入是什么编码的,处理完成后控制输出的编码是 UTF-8。</p>    <p>不建议使用 mbstring.encoding_translation 指令 和 mb_detect_encoding() 函数。折磨我半天。</p>    <p>操作系统和 UTF-8 的最佳实践</p>    <p>由于操作系统的原因,PHP 处理 Unicode 文件名的时候会有不同的处理机制。</p>    <p>在 Linux 中,文件名始终是 UTF-8 编码的,而在中文 Windows 环境下,文件名始终是 GBK 编码的,记住这一点就可以了。</p>    <p>通过例子说明下:</p>    <pre>  <code class="language-php">//命令行程序函数,运行在中文版 Windows 10 操作系统 ,文件编码为 UTF-8    function filenameexample() {      $filename = "测试.txt" ;      $gbk_filename = iconv("UTF-8","GBK",$filename);      file_put_contents($gbk_filename, "测试");      echo file_get_contents($gbk_filename);  }    function scandirexample() {      $arr = scandir("./tmp");      foreach ($arr as $v) {          if ($v == "." || $v =="..")              continue ;          $filename = iconv( "GBK","UTF-8",$v ) ;          $content = file_get_contents("./tmp/" . $v );      }  }</code></pre>    <p>假如不想写写兼容 Windows 和 linux 的程序,可以对文件名进行 urlencode 编码,比如:</p>    <pre>  <code class="language-php">function urlencodeexample() {      $filename = "测试2.txt" ;      $urlencodefilename = urlencode($filename) ;      file_put_contents($urlencodefilename, "测试");      echo file_get_contents($urlencodefilename);   }</code></pre>    <p>在用 PHP 通过 header() 函数下载文件的时候,也要考虑浏览器和操作系统(大部分人使用的是 Windows),对于 Chrome 来说,输出的文件名编码可以是 UTF-8,Chrome 会自动将文件名转换为 GBK 编码。</p>    <p>而对于低版本的 IE 来说,它继承了操作系统的环境,所以下载文件名假如是中文必须转码为 UTF-8 编码,否则下载的时候用户看到的是乱码文件名。通过代码来说明:</p>    <pre>  <code class="language-php">$agent=$_SERVER["HTTP_USER_AGENT"];  if(strpos($agent,'MSIE')!==false  {      $filename = iconv("UTF-8","GBK","附件.txt");      header("Content-Disposition: attachment; filename=\"$filename\"");  }</code></pre>    <p> </p>    <p>来自:http://www.jianshu.com/p/d3fb033a5ef5</p>    <p> </p>