PHP 的 json_decode 的 UTF-8 问题

Question

EDIT2：问题在于我的 Perl 客户端如何解释 PHP 的 json_encode 的输出，默认情况下输出 Unicode 代码点。将JSON Perl 模块置于 ascii 模式 (my $j = JSON->new()->ascii();) 使事情按预期工作。

---

我正在与一个用 PHP 编写的返回 JSON 的 API 交互，使用一个用 Perl 编写的客户端，然后将修改后的 JSON 版本提交回同一个 API。 API 从编码为 UTF8 的 PostgreSQL 数据库中提取值。我遇到的是 API 返回不同的字符编码，即使 PHP 从数据库接收到的值是正确的 UTF-8。

我已经设法用几行 PHP (5.3.24) 重现了我所看到的内容：

<?php
$val = array("Millán");
print json_encode($val)."\n";

根据the PHP documentation，string literals are encoded ... in whatever fashion [they are] encoded in the script file。

这里是十六进制转储文件编码（UTF-8 小写 a-acute = c3 a1）：

$ grep ill test.php | od -An -t x1c
  24  76  61  6c  20  3d  20  61  72  72  61  79  28  22  4d  69
   $   v   a   l       =       a   r   r   a   y   (   "   M   i
  6c  6c  c3  a1  6e  22  29  3b  0a
   l   l 303 241   n   "   )   ;  \n

这是 PHP 的输出：

$ php -f test.php | od -An -t x1c
  5b  22  4d  69  6c  6c  5c  75  30  30  65  31  6e  22  5d  0a
   [   "   M   i   l   l   \   u   0   0   e   1   n   "   ]  \n

UTF-8 小写 a-acute 已由 json_encode 更改为 "Unicode" lower case a-acute。

如何防止 PHP/json_encode 切换此变量的编码？

编辑：有趣的是，如果我将字符串文字更改为utf8_encode("Millán")，那么事情就会按预期工作。 utf8_encode 文档说该函数仅支持 ISO-8859-1 输入，所以我对它的工作原理有点困惑。

Answer 1

这完全是基于一种误解。 json_encode 将非 ASCII 字符编码为 Unicode 转义序列 \u....。这些序列不引用任何 UTF 编码中的任何物理 byte 编码，它通过其 Unicode 代码点引用字符。 U+00E1 是字符 á 的 Unicode 代码点。任何正确的 JSON 解析器都会将\u00e1 解码回字符“á”。这里没有问题。

Answer 2

尝试下面的命令来解决他们的问题。

<?php
$val = array("Millán");
print json_encode($val, JSON_UNESCAPED_UNICODE);

注意：在 json_encode 函数中添加 JSON_UNESCAPED_UNICODE 参数以保持原始值。

对于python，这个Saving utf-8 texts in json.dumps as UTF8, not as \u escape sequence