[轉載][PHP]處理 UTF-8

此章節由 Alex Cabal 撰寫，節錄自 PHP Best Practices 並作為我們 UTF-8 建議的基礎。

這不是開玩笑的，請小心與細心並前後一致地處理它。

PHP 至今在底層仍未支援 Unicode。而有許多方式可以確認 UTF-8 字串的處理是正確的，但通常不容易，還需要從上而下翻遍程序所有階層，從 HTML、SQL 到 PHP。我們將會聚焦在簡短的實踐總結。

UTF-8 在 PHP 階層

基本的字串操作，像是連接兩個字串、賦值給變數，並不需要特別作 UTF-8 處理。然而，大部分字串函數，像是 strpos() 和 strlen() 則確實需要考慮。這些函數通常以 mb_* 作為開頭：像是 mb_strpos() 和 mb_strlen()。這類函數藉由 Multibyte String Extension 設計用來專門用來處理 Unicode 字串。

每次操作 Unicode 字串，都必須使用 mb_* 這類函數。例如，若你對 UTF-8 字串使用 substr() 有很大的機會結果會是包含半字元的亂碼，正確的方式是使用 mb_substr()。

困難的是，要記得每次都使用 mb_* 函數，萬一有個地方沒有用到，那麼你的 Unicode 字串就有可能在接下來的程序中被轉變成亂碼。並不是所有的字串函數都有對應的 mb_* 函數，就算只有一處沒有正確轉換，都有可能會出現亂碼。

你應該在 PHP 程式的開頭使用 mb_internal_encoding() (或是在最上層的全域載入的地方使用)，若是有輸出訊息到瀏覽器，則要再加上 mb_http_output() 函數。明確定義你的字串編碼可以幫你省下許多頭痛的時間。

此外，許多 PHP 字串函數都允許設定字元編碼，你應該總是設定成 UTF-8，例如，htmlentities() 函數。而在 PHP 5.4.0 之後已經將 UTF-8 作為 htmlentities() 和 htmlspecialchars() 預設編碼。

最後，如果你建立的是分散式架構程式，且不能確定 mbstring 函數是啟用狀態，那麼則建議使用 patchwork/utf8 這個 Composer 套件。它將會自動判斷該環境能否使用 mbstring 函數。

UTF-8 在資料庫階層

如果你是使用 PHP 來存取 MySQL，有可能會發生使用非 UTF-8 編碼來儲存資料，即使你有遵照上述的注意事項。

為了確保字串從 PHP 到 MySQL 都是 UTF-8 編碼，請確認資料庫和資料表都是設定為 utf8mb4 字元集，且使用 utf8mb4 作為 PDO 連線字串，請見以下範例，這將是非常重要的。

請注意，你必須使用 utf8mb4 字元集來作為完整的支援 UTF-8，而非使用 utf8 字元集！原因請參見瞭解更多。

UTF-8 在瀏覽器階層

使用 mb_http_output() 函數來確保 PHP 輸出 UTF-8 字串給瀏覽器。

瀏覽器需要藉由 HTTP 回應來得知此頁面要被解析成 UTF-8 編碼，藉由歷史的方法來達到需要包含字元集 <meta> 標籤在頁面的 <head> 標籤內。這種方式是非常有效的，但是設定這個字元集到 Content-Type 標頭實際上會更快。

<?php
// 告訴 PHP 此頁面從頭到尾使用 UTF-8 字串
mb_internal_encoding('UTF-8');

// 告訴 PHP 此頁面輸出 UTF-8 字串到瀏覽器
mb_http_output('UTF-8');

// 我們的 UTF-8 測試字串
$string = 'Êl síla erin lû e-govaned vîn.';

// 使用多位元字串函數來進行轉換
// 注意我們如何裁剪非 Ascii 字符來作為演示
$string = mb_substr($string, 0, 15);

// 連接資料庫來儲存轉換字串
// 參見文件的 PDO 範例，以獲得更多的資訊
// 注意 `set names utf8mb4` 指令!
$link = new \PDO(
    'mysql:host=your-hostname;dbname=your-db;charset=utf8mb4',
    'your-username',
    'your-password',
    array(
        \PDO::ATTR_ERRMODE => \PDO::ERRMODE_EXCEPTION,
        \PDO::ATTR_PERSISTENT => false
    )
);

// 資料庫以 UTF-8 編碼儲存我們轉換的字串
// 你的資料庫和資料表是設定成 utf8mb4 字元集，對吧？
$handle = $link->prepare('insert into ElvishSentences (Id, Body) values (?, ?)');
$handle->bindValue(1, 1, PDO::PARAM_INT);
$handle->bindValue(2, $string);
$handle->execute();

// 取得我們剛才存入的字串，來驗證儲存正確。
$handle = $link->prepare('select * from ElvishSentences where Id = ?');
$handle->bindValue(1, 1, PDO::PARAM_INT);
$handle->execute();

// 將結果存入物件，待會要輸出到 HTML
$result = $handle->fetchAll(\PDO::FETCH_OBJ);

header('Content-Type: text/html; charset=UTF-8');
?><!doctype html>
<html>
    <head>
        <meta charset="UTF-8">
        <title>UTF-8 test page</title>
    </head>
    <body>
        <?php
        foreach($result as $row){
            print($row->Body);  // This should correctly output our transformed UTF-8 string to the browser
        }
        ?>
    </body>
</html>

瞭解更多

Vixual