PHP 與 UTF-8的最佳實踐

　　《PHP中的字串、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 字串處理的最佳實踐，本文是“PHP、字串、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 語言層面是不支援 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），內部統一轉換為 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 擴充套件，並使用相應的函式代替原生的字串函式。舉個例子，一個檔案編碼為 UTF-8 的 PHP 程式碼，假如使用 strlen() 函式是錯誤的，請使用 mb_strlen() 函式代替。

　　mbstring 擴充套件大部分的函式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，這個預設值是 Neutral（UTF-8）。

　　注意檔案編碼和 mbstring 擴充套件的內部編碼不是同一個概念。

　　概括的說來：

• PHP.INI 中涉及到 mbstring 擴充套件的部分儘量使用 UTF-8。
• 請用 mbstring 擴充套件函式代替原生字串操作函式。
• 在使用相關函式的時候，請務必瞭解你操作的字元的編碼是什麼，在使用對應函式的時候，顯示的寫上 UTF-8 編碼引數，比如 htmlentities() 函式的第三個引數顯示寫上 UTF-8。

　　檔案 IO 操作 如何處理 UTF-8

　　這裡舉個例子，假如你要開啟一個檔案，但是不知道檔案內容是什麼編碼的，那麼如何處理呢？

　　最佳實踐就是，在開啟的時候統一轉換成 UTF-8，修改內容後就再轉回原來的編碼並儲存到檔案。看程式碼把：

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

$file = "file.txt"; //一個編碼為gbk的中文檔案
$str= file_get_contents($file);
//不管來源是什麼編碼，統一顯示的時候轉換為 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 客戶端連線的時候也保持 UTF-8，具體到 PHP 中，就是 imysql 或者 PDO 擴充套件連線 Mysql 的時候都設定 UTF-8 作為連線編碼，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，那麼你的字串處理輸出最總請保持為 UTF-8 ；同時 PHP.INI 中也明確設定 default_charset 為 UTF-8；HTML 的 Meta Tag 也明確標識為 UTF-8。

　　現在萬事大吉了嗎，並沒有，雖然伺服器和瀏覽器讓使用者使用 UTF-8 編碼，但是使用者的行為並沒有約束性，他可能輸入的是其他編碼的字元，或者上傳的檔名是其他編碼的字元，那麼怎麼辦呢？可以通過 mb_http_input() 和 mb_check_encoding() 函式來檢測使用者的編碼，然後內部轉換為 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() 函式。折磨我半天。

　　作業系統和 UTF-8 的最佳實踐

　　由於作業系統的原因，PHP 處理 Unicode 檔名的時候會有不同的處理機制。

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

　　通過例子說明下:

//命令列程式函式，執行在中文版 Windows 10 作業系統 ，檔案編碼為 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 );
    }
}

　　假如不想寫寫相容 Windows 和 linux 的程式，可以對檔名進行 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() 函式下載檔案的時候，也要考慮瀏覽器和作業系統（大部分人使用的是 Windows），對於 Chrome 來說，輸出的檔名編碼可以是 UTF-8，Chrome 會自動將檔名轉換為 GBK 編碼。

　　而對於低版本的 IE 來說，它繼承了作業系統的環境，所以下載檔名假如是中文必須轉碼為 UTF-8 編碼，否則下載的時候使用者看到的是亂碼檔名。通過程式碼來說明：

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