Подготовка приложения PHP для использования с UTF-8

Несколько полезных опций в .htaccess:

########################################
# Locale settings
########################################

# See: http://php.net/manual/en/timezones.php
php_value date.timezone "Europe/Amsterdam"

SetEnv   LC_ALL  nl_NL.UTF-8

########################################
# Set up UTF-8 encoding
########################################

AddDefaultCharset UTF-8
AddCharset UTF-8 .php

php_value default_charset "UTF-8"

php_value iconv.input_encoding "UTF-8"
php_value iconv.internal_encoding "UTF-8"
php_value iconv.output_encoding "UTF-8"

php_value mbstring.internal_encoding UTF-8
php_value mbstring.http_output UTF-8
php_value mbstring.encoding_translation On
php_value mbstring.func_overload 6

# See also php functions:
# mysql_set_charset
# mysql_client_encoding

# database settings
#CREATE DATABASE db_name
#   CHARACTER SET utf8
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   DEFAULT COLLATE utf8_general_ci
#   ;
#
#ALTER DATABASE db_name
#   CHARACTER SET utf8
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   DEFAULT COLLATE utf8_general_ci
#   ;

#ALTER TABLE tbl_name
#   DEFAULT CHARACTER SET utf8
#   COLLATE utf8_general_ci
#   ;

Вы правы, UTF-8 — хороший выбор для веб-приложений.

Кодирование — это метаинформация для обрабатываемых данных. Пока вы знаете кодировку (двоичных) данных, вы знаете, с чем имеете дело. Начинаешь теряться, если не знаешь кодировку. Я часто называю это цепочкой, если цепочка кодирования разорвана, данные будут разорваны. Это справедливо как для отображения данных, так и для безопасности.

Как правило, PHP является двоичным, именно контекст/вы указываете кодировку (например, как вы сохраняете файлы исходного кода php).

Итак, давайте займемся коротким (и неполным) списком:

ОС

Переменные среды могут сообщить вам об используемой локали и кодировке. Например, файловые системы имеют свою кодировку для имен файлов и каталогов. Я не очень уверен в этом вопросе, обычно мы пытаемся назвать наши файлы на английском, чтобы использовать только символы в диапазоне US-ASCII, что безопасно для расширенных латинских кодировок, таких как ISO-8859-1 в вашем случае, а также для UTF-8.

Просто помните об этом, когда вы сохраняете файлы, загруженные вашими пользователями: просто отфильтруйте имена файлов по основным буквам и знакам препинания, и у вас почти не будет проблем (a-z, A-Z, 0-9, ., -, _), даже сделайте их строчными для визуального восприятия. целей.

Если вы чувствуете, что это ухудшает удобство использования, а файловая система не предлагает диапазон символов Unicode, как в UTF-8, вы можете вернуться к простым кодировкам, таким как rawurlencode (процентное кодирование, триплет) и предлагать файлы для скачивания, разрешая это имя на диск.

Обычно вам просто нужно иметь дело с тем, что у вас есть. Начните спрашивать обычного системного администратора или программиста о кодировке символов, и большинство из них скажет вам, что на самом деле их это не интересует. Естественно, это субъективно, но если вам нужно, чтобы кто-то что-то настроил для вас, это может иметь значение.

HTML

Это просто не зависит от PHP, речь идет о выводе, который обеспечивают ваши скрипты, так что это поле работы.

• Обработка кодировок символов в HTML и CSS

Правило большого пальца: укажите это. Если вы не указали его (файлы HTML, файлы CSS, файлы Javascript), не ожидайте, что он будет работать точно. Просто сделай это тогда. Кодирование - это цепочка, если есть много компонентов, убедитесь, что каждый знает о своей кодировке. В противном случае браузеры могут только догадываться. UTF-8 - это хороший выбор, но наша работа состоит в том, чтобы позаботиться о том, чтобы сделать его точным и четко определенным.

Настройки PHP

Как правило, начните читать файл php.ini, который поставляется с пакетом PHP вашего дистрибутива Linux. Он поставляется с читаемой документацией в комментариях и дополнительных ссылках. Некоторые настройки, которые приходят мне на ум:

• default_charset — PHP по умолчанию всегда выводит кодировку символов в заголовке Content-type:. Чтобы отключить отправку набора символов, просто установите его пустым (Источник). Для получения общей информации см. Настройка параметра набора символов HTTP^{W3C< /суп>. Если вы хотите улучшить вывод вашего сайта, например. для сохранения информации о кодировке, когда пользователи сохраняют вывод в своем браузере, добавьте} HTML-метатег http-equiv, а также <meta http-equiv="Content-type" content="text/html;charset=UTF-8">.
• output_handler — на этот параметр стоит обратить внимание, так как он определяет обработчик вывода (буферизация вывода Control^{Документы}), и каждый обработчик (mb, iconv) может иметь собственные настройки кодирования (см. Строки).

Струны

• Строки^{Документы} — по умолчанию строки в PHP являются двоичными. Пока вы используете их с функциями binary safe, вы получаете то, что ожидаете. Начиная с PHP 5.2.1 вы можете приводить строки явно в двоичные строки. Это для прямой совместимости указанной поддержки юникода PHP 6: $binary = (binary) $string; или $binary = b"binary string";.
• mb_internal_encoding()^{Документы} — получить или установить; mbstring.internal_encoding^{INI. Внутренняя кодировка — это имя кодировки символов, используемое для преобразования кодировки символов ввода HTTP, преобразования кодировки символов вывода HTTP и кодировки символов по умолчанию для строковых функций, определенных модулем mbstring.}
• iconv_set_encoding()^{Документы} — Сопоставимо с расширением iconv. См. также настройки конфигурации iconv.
• Разное. Некоторые функции, работающие с последовательностями символов, позволяют указать кодировку набора символов. Например, htmlspecialchars^{Документы}. Используйте эти параметры и проверьте в документации их значения по умолчанию. Часто это ISO-8859-1, но вы ищете UTF-8. Другие функции, такие как html_entity_decode^{Документы.} используют UTF-8 по умолчанию. Некоторые, такие как htmlspecialchars_decode, вообще не указывают кодировку, поэтому необходимо прочитать исходный код PHP для конкретное конкретное понимание того, как функция работает с (двоичной) строкой.