PHP 與 UTF-8 的最佳實踐

《PHP中的字符串、編碼、UTF-8》一文中描述了一些列的基礎知識，比較枯燥，現在來說點有用的——PHP 字符串處理的最佳實踐，本文是“PHP、字符串、編碼、UTF-8”相關知識的第二部分。先說結論——在 PHP 中的各個方面使用 UTF-8編碼。

PHP 語言層面是不支持 Unicode字符集的，但是可以通過 UTF-8 編碼能處理大部分問題。

最佳實踐就是明確知道輸入編碼（不知道就檢測），內部統一轉換爲 UTF-8 編碼，輸出編碼也統一是 UTF-8編碼。

PHP 層面如何處理 UTF-8

當操作 Unicode 字符集的時候，請務必安裝 mbstring 擴展，並使用相應的函數代替原生的字符串函數。舉個例子，一個文件編碼爲 UTF-8 的 PHP 代碼，假如使用 strlen() 函數是錯誤的，請使用 mb_strlen() 函數代替。

mbstring 擴展大部分的函數都需要基於一個編碼（內部編碼）來處理，請務必統一使用 UTF-8 編碼，這個大部分可以在 PHP.INI 中配置。

從 PHP 5.6 開始，default_charset 配置可以替換 mbstring.http_input，mbstring.http_output 。
另外一個重要的配置就是 mbstring.language，這個默認值是 Neutral（UTF-8）。

注意文件編碼和 mbstring 擴展的內部編碼不是同一個概念。

概括的說來：

• PHP.INI 中涉及到 mbstring 擴展的部分儘量使用 UTF-8。
• 請用 mbstring 擴展函數代替原生字符串操作函數。
• 在使用相關函數的時候，請務必瞭解你操作的字符的編碼是什麼，在使用對應函數的時候，顯示的寫上 UTF-8 編碼參數，比如 htmlentities() 函數的第三個參數顯示寫上 UTF-8。

文件 IO 操作 如何處理 UTF-8

這裏舉個例子，假如你要打開一個文件，但是不知道文件內容是什麼編碼的，那麼如何處理呢？

最佳實踐就是，在打開的時候統一轉換成 UTF-8，修改內容後就再轉回原來的編碼並保存到文件。看代碼吧：

if ( mb_internal_encoding()!="UTF-8") {
        mb_internal_encoding("UTF-8");
}

$file = "file.txt"; //一個編碼爲gbk的中文文件
$str= file_get_contents($file);
//不管來源是什麼編碼，統一顯示的時候轉換爲 UTF-8
 if (mb_check_encoding($str,"GBK")) 
    $str =  mb_convert_encoding($str,"UTF-8",“GBK”); 

$str ="修改內容";
$str =  mb_convert_encoding($str,$srcbm,"UTF-8"); //原樣轉回去
file_put_contents($file,$str);

Mysql 和 UTF-8 的最佳實踐

這個相對簡單，首先保證你的 Mysql 都是 UTF-8。然後 Mysql 客戶端連接的時候也保持 UTF-8，具體到 PHP 中，就是 imysql 或者 PDO 擴展連接 Mysql 的時候都設置 UTF-8 作爲連接編碼，二邊保持一致，一般就不會遇到問題。

有興趣可以看看這篇文章

瀏覽器和 UTF-8 的最佳實踐

這個也比較簡單，就是你的輸出內容假如是網頁，那麼你的字符串處理輸出最總請保持爲 UTF-8 ；同時 PHP.INI 中也明確設定 default_charset 爲 UTF-8；HTML 的 Meta Tag 也明確標識爲 UTF-8。

現在萬事大吉了嗎，並沒有，雖然服務器和瀏覽器讓用戶使用 UTF-8 編碼，但是用戶的行爲並沒有約束性，他可能輸入的是其他編碼的字符，或者上傳的文件名是其他編碼的字符，那麼怎麼辦呢？可以通過 mb_http_input() 和 mb_check_encoding() 函數來檢測用戶的編碼，然後內部轉換爲 UTF-8。確保在任何一個層面，最終處理的是 UTF-8 編碼。換句話說，需要手段能夠知曉你的輸入是什麼編碼的，處理完成後控制輸出的編碼是 UTF-8。

不建議使用 mbstring.encoding_translation 指令 和 mb_detect_encoding() 函數。折磨我半天。

操作系統和 UTF-8 的最佳實踐

由於操作系統的原因，PHP 處理 Unicode 文件名的時候會有不同的處理機制。

在 Linux 中，文件名始終是 UTF-8 編碼的，而在中文 Windows 環境下，文件名始終是 GBK 編碼的，記住這一點就可以了。

通過例子說明下:

//命令行程序函數，運行在中文版 Windows 10 操作系統 ，文件編碼爲 UTF-8

function filenameexample() {
    $filename = "測試.txt" ;
    $gbk_filename = iconv("UTF-8","GBK",$filename);
    file_put_contents($gbk_filename, "測試");
    echo file_get_contents($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 );
    }
}

假如不想寫寫兼容 Windows 和 linux 的程序，可以對文件名進行 urlencode 編碼，比如：

 function urlencodeexample() {
    $filename = "測試2.txt" ;
    $urlencodefilename = urlencode($filename) ;
    file_put_contents($urlencodefilename, "測試");
    echo file_get_contents($urlencodefilename);
 }

在用 PHP 通過 header() 函數下載文件的時候，也要考慮瀏覽器和操作系統（大部分人使用的是 Windows），對於 Chrome 來說，輸出的文件名編碼可以是 UTF-8，Chrome 會自動將文件名轉換爲 GBK 編碼。

而對於低版本的 IE 來說，它繼承了操作系統的環境，所以下載文件名假如是中文必須轉碼爲 UTF-8 編碼，否則下載的時候用戶看到的是亂碼文件名。通過代碼來說明：

$agent=$_SERVER["HTTP_USER_AGENT"];
if(strpos($agent,'MSIE')!==false  ｛
    $filename = iconv("UTF-8","GBK","附件.txt");
    header("Content-Disposition: attachment; filename=\"$filename\"");
｝