UTF-8 przez całą drogę

Przechowywanie danych :

• Określ utf8mb4 zestaw znaków we wszystkich tabelach i kolumnach tekstowych w Twojej bazie danych. To sprawia, że ​​MySQL fizycznie przechowuje i pobiera wartości zakodowane natywnie w UTF-8. Zwróć uwagę, że MySQL domyślnie użyje utf8mb4 kodowanie, jeśli utf8mb4_* określono sortowanie (bez żadnego wyraźnego zestawu znaków).

• W starszych wersjach MySQL (<5.5.3) będziesz niestety zmuszony używać po prostu utf8 , który obsługuje tylko podzbiór znaków Unicode. Chciałbym żartować.

Dostęp do danych :

• W kodzie aplikacji (np. PHP), w dowolnej metodzie dostępu do bazy danych, której używasz, musisz ustawić zestaw znaków połączenia na utf8mb4 . W ten sposób MySQL nie dokonuje konwersji ze swojego natywnego UTF-8, gdy przekazuje dane do aplikacji i na odwrót.

• Niektóre sterowniki udostępniają własny mechanizm konfiguracji zestawu znaków połączenia, który zarówno aktualizuje swój własny stan wewnętrzny, jak i informuje MySQL o kodowaniu, które ma być używane w połączeniu — jest to zwykle preferowane podejście. W PHP:

  • Jeśli używasz PDO warstwa abstrakcji z PHP ≥ 5.3.6, możesz określić charset w DSN :

     $dbh = new PDO('mysql:charset=utf8mb4');
    

  • Jeśli używasz mysqli , możesz zadzwonić set_charset() :

      $mysqli->set_charset('utf8mb4');       // object oriented style
      mysqli_set_charset($link, 'utf8mb4');  // procedural style
    

  • Jeśli utkniesz ze zwykłym mysql ale używasz PHP w wersji 5.2.3, możesz zadzwonić mysql_set_charset .

• Jeśli sterownik nie zapewnia własnego mechanizmu ustawiania zestawu znaków połączenia, może być konieczne wysłanie zapytania, aby poinformować MySQL, w jaki sposób aplikacja oczekuje zakodowania danych dotyczących połączenia:USTAW NAZWY 'utf8mb4' .

• Ta sama uwaga dotycząca utf8mb4 /utf8 obowiązuje jak powyżej.

Wyjście :

• Jeśli Twoja aplikacja przesyła tekst do innych systemów, będą one również musiały zostać poinformowane o kodowaniu znaków. W przypadku aplikacji internetowych przeglądarka musi być informowana o kodowaniu, w jakim wysyłane są dane (poprzez nagłówki odpowiedzi HTTP lub metadane HTML ).

• W PHP możesz użyć default_charset php.ini lub ręcznie wydaj Content-Type Sam nagłówek MIME, co jest po prostu więcej pracy, ale daje ten sam efekt.

• Podczas kodowania danych wyjściowych za pomocą json_encode() , dodaj JSON_UNESCAPED_UNICODE jako drugi parametr.

Wprowadzanie :

• Niestety, powinieneś zweryfikować każdy otrzymany ciąg jako poprawny UTF-8, zanim spróbujesz go zapisać lub użyć w dowolnym miejscu. PHP mb_check_encoding() załatwia sprawę, ale musisz jej używać religijnie. Naprawdę nie ma sposobu na obejście tego, ponieważ złośliwi klienci mogą przesyłać dane w dowolnym kodowaniu, a ja nie znalazłem sztuczki, która pozwoliłaby PHP zrobić to niezawodnie.

• Z mojej lektury aktualnej specyfikacji HTML , poniższe podpunkty nie są już potrzebne ani nawet ważne dla współczesnego kodu HTML. Rozumiem, że przeglądarki będą pracować i przesyłać dane w zestawie znaków określonym dla dokumentu. Jeśli jednak kierujesz reklamy na starsze wersje HTML (XHTML, HTML4 itp.), poniższe wskazówki mogą być przydatne:

  • Tylko dla HTML przed HTML5 :chcesz, aby wszystkie dane przesyłane do Ciebie przez przeglądarki były w UTF-8. Niestety, jeśli pójdziesz jedyną drogą, aby to zrobić niezawodnie, jest dodanie accept-charset atrybut do wszystkich Twoich
    tagi: .
  • Tylko dla HTML przed HTML5 :zauważ, że specyfikacja HTML W3C mówi, że klienci "powinni" domyślnie wysyłać formularze z powrotem do serwera w dowolnym zestawie znaków, który serwer obsługiwał, ale jest to najwyraźniej tylko zalecenie, stąd potrzeba wyraźnego określenia każdego pojedynczego tag.