一直到UTF-8

我正在设置一个新服务器并希望在我的 Web 应用程序中完全支持 UTF-8。我过去曾在现有服务器上尝试过此方法，但似乎总是不得不退回到 ISO-8859-1。

我到底需要在哪里设置编码/字符集？我知道我需要配置 Apache、MySQL 和 PHP 来执行此操作 — 是否有一些我可以遵循的标准清单，或者可能解决不匹配的位置？

这是一个新的 Linux 服务器，运行 MySQL 5、PHP、5 和 Apache 2。

原文由 mercutio 发布，翻译遵循 CC BY-SA 4.0 许可协议

阅读 318

数据存储：

在数据库中的所有表和文本列上指定 utf8mb4 字符集。这使得 MySQL 在物理上存储和检索以 UTF-8 原生编码的值。请注意，如果指定了 utf8mb4_* 排序规则（没有任何显式字符集），MySQL 将隐式使用 utf8mb4 编码。
在旧版本的 MySQL (< 5.5.3) 中，不幸的是，您将被迫简单地使用 utf8 ，它仅支持 Unicode 字符的子集。我希望我在开玩笑。

数据访问：

在您的应用程序代码（例如 PHP）中，无论您使用何种 DB 访问方法，您都需要将连接字符集设置为 utf8mb4 。这样，当 MySQL 将数据传递给您的应用程序时，它不会从其本机 UTF-8 进行转换，反之亦然。
一些驱动程序提供了自己的机制来配置连接字符集，它既可以更新自己的内部状态，又可以通知 MySQL 要在连接上使用的编码——这通常是首选方法。在 PHP 中：
- 如果您使用 PHP ≥ 5.3.6 的 PDO 抽象层，您可以在 DSN 中指定 charset ：
```
  $dbh = new PDO('mysql:charset=utf8mb4');
```
- 如果你使用 mysqli ，你可以调用 set_charset() ：
```
   $mysqli->set_charset('utf8mb4');       // object oriented style
  mysqli_set_charset($link, 'utf8mb4');  // procedural style
```
- 如果您坚持使用普通 mysql 但碰巧运行的是 PHP ≥ 5.2.3，您可以调用 mysql_set_charset 。
如果驱动程序没有提供自己的设置连接字符集的机制，您可能必须发出一个查询来告诉 MySQL 您的应用程序希望如何对连接上的数据进行编码： SET NAMES 'utf8mb4' 。
关于 utf8mb4 / utf8 的相同考虑适用于上述。

输出：

UTF-8 应设置在 HTTP 标头中，例如 Content-Type: text/html; charset=utf-8 。您可以通过在 php.ini（首选）中设置 default_charset 或手动使用 header() 函数来实现。
如果您的应用程序将文本传输到其他系统，则还需要告知它们字符编码。对于 Web 应用程序，必须通知浏览器发送数据的编码（通过 HTTP 响应标头或 HTML 元数据）。
使用 json_encode() 对输出进行编码时，添加 JSON_UNESCAPED_UNICODE 作为第二个参数。

输入：

浏览器将以为文档指定的字符集提交数据，因此无需对输入进行任何特殊处理。
如果您对请求编码有疑问（以防它可能被篡改），您可以在尝试存储或在任何地方使用它之前验证每个接收到的字符串是否为有效的 UTF-8。 PHP 的 mb_check_encoding() 可以解决问题，但您必须虔诚地使用它。确实没有办法解决这个问题，因为恶意客户端可以以他们想要的任何编码提交数据，而我还没有找到让 PHP 可靠地为您执行此操作的技巧。

其他代码注意事项：

显然，您将提供的所有文件（PHP、HTML、JavaScript 等）都应该以有效的 UTF-8 编码。
您需要确保每次处理 UTF-8 字符串时都是安全的。不幸的是，这是困难的部分。您可能希望广泛使用 PHP 的 mbstring 扩展。
默认情况下，PHP 的内置字符串操作不是 UTF-8 安全的。 有些事情你可以安全地使用普通的 PHP 字符串操作（如连接），但对于大多数事情，你应该使用等效的 mbstring 函数。
要知道你在做什么（阅读：不要搞砸了），你真的需要知道 UTF-8 以及它是如何在尽可能低的级别上工作的。查看来自 utf8.com 的任何链接，以获得一些很好的资源来学习您需要知道的一切。

原文由 chazomaticus 发布，翻译遵循 CC BY-SA 4.0 许可协议

不要忘记 META 标签（像这样，或者它的 HTML4 或 XHTML 版本）：

 <meta charset="utf-8">

这似乎微不足道，但 IE7 之前给我带来了问题。

我做的一切都是正确的；数据库、数据库连接和 Content-Type HTTP 标头都设置为 UTF-8，在所有其他浏览器中运行良好，但 Internet Explorer 仍然坚持使用“西欧”编码。

结果发现该页面缺少 META 标记。添加解决了这个问题。

编辑：

W3C 实际上有一个相当大的部分专门用于 I18N 。他们有许多与这个问题相关的文章——描述了 HTTP、(X)HTML 和 CSS 方面的内容：

他们建议同时使用 HTTP 标头和 HTML 元标记（或在 XHTML 作为 XML 的情况下使用 XML 声明）。

原文由 mercator 发布，翻译遵循 CC BY-SA 3.0 许可协议