更改 MySQL、PHP 脚本、HTML 中的字符编码答案

【问题标题】：Changing character encoding in MySQL, PHP scripts, HTML更改 MySQL、PHP 脚本、HTML 中的字符编码
【发布时间】：2011-02-28 15:06:04
【问题描述】：

所以，我已经在这个系统上构建了很长时间，它目前正在将 Latin1 (ISO-8859-1) 输出到 Web 浏览器，这是组件：

MySQL - 所有数据都以 Latin1 字符集存储

PHP - 所有 PHP 文本文件都以 Latin1 编码存储在磁盘上

HTML - 输出包含 http-equiv="content-type" content="text/html; charset=iso-8859-1" 元标记

所以，我试图了解不同部分的编码如何在我的工作流程中发挥作用。如果我打开一个 PHP 脚本并将其在文本编辑器中的编码更改为 UTF-8 并将其保存回磁盘并重新加载 Web 浏览器，那么文本就会一团糟——除非文本来自数据库。如果我将数据库的编码更改为 UTF-8 并将 PHP 文件保留在 latin1 中，我必须使用 utf8_decode() 才能正确显示数据。如果我更改 HTML 代码，浏览器会错误地读取它。

所以是的，我意识到如果我想“升级”到 UTF8，我必须更新此设置的所有三个部分才能使其正常工作，但由于它是一个庞大的系统，包含大约 180k 行 PHP 代码和数百万行很多数据库/表中的帖子，我不想在没有正确理解所有内容的情况下开始这样的事情。

我没有想到什么？除了修复之外，还有什么可以搞砸的？更改整个 MySQL 安装的编码的过程是什么？更改磁盘上数百或数千个 PHP 文件的编码的最简单方法是什么？

幸运的是，META 标签是动态添加的，所以我只在一处进行更改：)

让我听听你在这方面的经验。

【问题讨论】：

标签： php mysql encoding utf-8

【解决方案1】：

这很棘手。

你必须：

更改数据库和每个表的字符集/编码——我对 MySQL 了解不多，但请参阅here
在第一次查询之前在 PHP (SET NAMES UTF8) 中将客户端编码设置为 UTF-8
更改元标记和可能的 Content-type 标头（注意 Content-type 标头优先）
将所有 PHP 文件转换为不带 BOM 的 UTF-8 - 您可以使用循环和 iconv 轻松完成。
最棘手的：您必须更改大部分字符串函数调用。比意味着mb_strlen 代替strlen、mb_substr 代替substr 和$str[index] 等。

【讨论】：

DB - 检查，客户端编码 - 你的意思是当通过 PHP 与 MySQL 服务器交互时？元标记 - 检查，PHP 文件 - 检查，PHP 函数...嗯，好的。虽然我很少使用 strlen 和 substr - 那 $str[index] 呢？你的意思是在写一个 UTF8 编码的 PHP 文件时，我不能写 print $foo["Översrift"] ?> 大概是字符串作为UTF8数据发送到PHP解释器，保存的索引数据应该是相同的，不是吗？
只要没有来自其他地方的数据确实 $foo["Översrift"] 将继续工作，前提是所有文件都转换为 utf-8。
@Sandman 是的，我的意思是当通过 PHP 与 MySQL 服务器交互时。我所说的$str[index] 是$str[0] 之类的东西（索引是一个整数）。例如，您不能使用$str[0] 来获取第一个字符，因为 UTF-8 是一种多字节编码；如果第一个字符占用超过 1 个字节（所有非 ASCII 字符都是这种情况），$str[0] 将只获取字符的第一个字节。还有很多其他情况——大多数操作字符串的函数都必须修改。
好吧，那我和你在一起。我永远不会那样使用 $str[index] :)

【解决方案2】：

如果没有必要，不要转换为 UTF8。这不值得麻烦。
UTF8 是（正在成为）新标准，因此对于新项目，我可以推荐它。

功能
某些函数调用不再起作用。对于 latin1，它是：

 echo htmlentities($string);

对于 UTF8，它是：

 echo htmlentities($string, ENT_COMPAT, 'UTF-8');

strlen()、substr() 等。不知道多字节字符。

MySQL
mysql_set_charset('UTF8') 或 mysql_query('SET NAMES UTF8') 会将来自数据库的所有文本转换为 UTF8 (SELECTs)。它还将传入的字符串（插入、更新）从 UTF8 转换为表的编码。

因此，对于从 latin1 表中读取数据，无需转换表编码。
但某些字符仅在 unicode 中可用（如雪人☃、iPhone 表情符号等），无法转换为 latin1。（数据会被截断）

脚本
我尝试在我的 php 脚本/模板中防止特殊字符。
我使用&euml; 表示法而不是ë 等。这样保存在latin1 或utf8 中并不重要。

【讨论】：

只要您保存的内容在其当前字符集中可用，就不必转换 MySQL 表。但是，如果不是（并且在使用 latin1 => utf8 时这种可能性不小），它们应该被转换（ALTER TABLE foo SET CHARACTER SET utf8），如果它们已经被单独设置，可能是它们自己的列。
不，如果您更改连接的编码，mysql 服务器/客户端将即时转换它。
如果我需要生成 ms-excel csv 文件，我会使用它。表格采用 UTF8 格式，在 SET NAMES lantin1 之后，我可以在没有单个 utf_decode() 的情况下写入 csv 文件
@Bob Fanger：考虑写入表，而不是读取。是的，尝试进行转换，但将 utf-8 放入 latin1 并不总是可行的，还是我弄错了？如果字符集 100% 重叠，为什么要使用一个而不是另一个？
@Wrikken 你没看错。显然，您不能在 latin1 列中放入不在 latin1 中的字符，例如ى。