网站转换帮助-UTF-8，涵盖所有基础...函数、元数据和sql utf-8答案

【问题标题】：Website conversion help - UTF-8, Covering all the bases... functions, metas, and sql utf-8网站转换帮助-UTF-8，涵盖所有基础...函数、元数据和sql utf-8
【发布时间】：2011-07-31 17:58:57
【问题描述】：

你们在回答我之前认为的一个问题时做得非常出色 - 我会在我深入转换但发现我做错了什么之前问这个问题。我为自己制作的网站只有 3 页。它有表格，sqli db。有人告诉我使用 UTF-8（我部分使用了，但没有完全使用）哈哈。好的，听起来很酷。现在我想将其修复为 100% UTF-8 感知，我已经在 PHP、JS 和 HTML 中编写了大约 1,900 行代码，而不使用多字节函数。所以......这是我的问题......在我的转换中我已经做到了......（来自不同地方的代码片段......）

PHP

date_default_timezone_set('America/Toronto'); // sets the timezone to Eastern Stand Time

HTML

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>

等

SQL

（来自 cpanel 界面）MySQL 连接整理”：utf8_general_ci

SQL DB（仍处于 pre utf-8 模式）

用户名 varchar(50) latin1_general_cs

公司名称 varchar(50) latin1_swedish_ci

fname varchar(25) latin1_swedish_ci

我的表格中没有有价值的数据。我会将它们更改为以下之一（但我不确定是哪一个）...

utf8_general_ci 或者 utf8_unicode_ci

虽然我想让该网站可供外国人使用，但这不是一个高优先级，但因为我正在使用 UTF-8 样式，它可能已经适用于外语。

我的问题是……

1) 我设置了我的时区，我没有在 php 中设置我的语言环境，因为我从来没有这样做过。我需要这样做吗？我如何为我的多伦多/加拿大位置执行此操作？

2) 是否通过元标记设置每个页面足以使整个页面 UTF-8

3) 使用元标记是否意味着我的所有表单字段都已作为 UTF-8 数据输入？如果没有，我该如何改变它们。

4) 我的数据库应该使用哪一个？ utf8_general_ci 或 utf8_unicode_ci

5) 我需要区分大小写。我只看到 ci 为 utf8。这是因为“Dave”与“dave”不同，所以使用多字节比较会自动比较大小写...??!?!?!

6) 我的数据库目前有 50 个字符用于存储 ASCII 内容 - 我假设通过在数据库中切换到 utf-8，对于像我这样的英国人来说，50 个存储就可以了 -但是，如果某个外国人出现并输入了一堆奇怪的符号，我需要将存储空间增加 x4 以容纳 unicode 的所有额外字节？我不介意用掉更多的存储空间，但我很好奇分配它的正确方法是什么。既然它是一个 VARCHAR(50) ，它真的很重要吗？如果名称是“Dave”，它将是 4 个字符。如果是外国名字，符号中的“Dave”可能是12个字符！哈哈。因此，如果我将 100 分配给应该做的用户名字段，因为不太可能所有字符都是 4 个字节。或者，只需将其设置为 x4，就像我对英语的要求一样，并将它们全部设为 VARCHARS 以节省空间。当他们在表单上输入数据时，我将使用 MB_LENGTH 函数（我忘记了确切的函数），因此我仍然可以控制输入的字符数。

7) 如何测试我的 unicode 网站？除了漂亮的英语，我从未使用过其他任何东西:) 大声笑。如何切换浏览器？假装我来自其他地方并输入一堆代码，看看我的函数在我重写它们以使用 mb_（多字节）函数后是否工作。或者，没有什么可以切换的......我只需输入 ALT 245 或其他东西，我就会得到符号？！？！？我不知道如何输入外国测试字符！因为我没有对我的网站进行足够的测试，所以让所有外国客户都无法输入密码，这会很糟糕:)

8) 我知道使用某些函数 ctype、mb_ 来处理 unicode 比较、字符串等。对我来说有什么惊喜吗？没有按应有的方式工作？

是的...我很啰嗦！ :) 我使用 Dreamweaver CS3，但这没关系。我的实际文件中没有嵌入 UTF-8 字符。

等待你的智慧......

【问题讨论】：

我没有得到你的第一个问题。本地化是什么意思。语言环境？
是的。语言环境。我修正了拼写！ :) 如果网站都是 UTF-8，我想对于那些函数我还必须指定语言环境，并且有一个名为 setlocale 的函数或其他东西 - 我也需要使用它吗？

标签： php xhtml utf-8 multibyte-functions

【解决方案1】：

我将从一些答案开始：

2) 您的服务器还应该发送标头，表明发送的内容是 UTF-8 格式：

header('Content-Type: text/html; charset=UTF-8');

3) 浏览器会以 UTF-8 格式发送数据，是的。但是黑客可能不会，所以你也应该在你的htmlententies和类似的HTML编码函数中给出UTF-8-Charset（见example exploit）

5) 不区分大小写的排序规则仅意味着在执行 WHERE 子句时，大小写不起作用。

6) 实际上恰恰相反：在 ASCII 中你可能需要比 UTF-8 更大的 VARCHAR（“Dave”是 4 个字符，4 个字节；“ǝʌɐp”是 4 个字符，8 个字节。）

【讨论】：

酷，谢谢你的建议！ 2）不知道您也可以发送带有内容类型的标题。 3) 谢谢，我会记住在我所有的函数调用中设置 utf-8。 5）很高兴知道！ 6）你是如何倒过来输入的？哈哈。我也许可以使用您的方法来测试我的网站。大声笑。
几周前我看到一个stackoverflow用户的用户名翻转了，所以我搜索了......发现：revfad.com/flip.html
该翻页上的源代码真的很酷。看起来他们使用 /u0279 作为 alt 字符。他们似乎也使用 Arial Unicode 字体。以前从没想过字体……我会看看是否有 Verdana Unicode 字体……希望如此，这是我的最爱。大声笑。
这几乎回答了我的大部分问题，除了数据库问题。感谢您的所有提示！

【解决方案2】：

1) 关于Set locale information，它可以影响一些字符串函数（即strtoupper()），其目的是影响和改变一些“事物”的运行方式。例如，在正则表达式中，它改变了\w \W（Word 字符）的方式。但随着越来越多的应用程序改用 Unicode，对这种语言环境支持的需求预计会消失。

7)W3C可以帮到你一点。

关于测试角色并假装你是来自中国或其他地方的另一个人：

index.php:

<head>
<meta charset="UTF-8"><!-- This tag encode the text that will be typed within a text area (If the accep-charset="" is not speciefied)
If the character typed isnt part of the encoding the character will be escaped**-->
</head>

<form method="POST" action="encode.php" accept-charset="UTF-8"><!--accept-charset"" is used to set the encoding that will be used to transmit the characters over a form-->
<p><textarea name="input" maxlength="256" rows="5" cols="100"></textarea></p>
<p><button>Submit</button></p>
</form>

**Escaped Characters

然后在 encode.php 你可以控制你的输入：

$input=$_POST["input"];

【讨论】：

好的，我会尝试所有这些东西。我很好奇的是如何在键盘上输入外国代码？获取那个 ASCII 符号是否类似于 ALT 243？如果我想输入奇怪的符号，我该怎么做？将 Windows 本身更改为 UTF-8？然后输入 /#73634 什么的？！我不知道如何通过按住 ALT 并输入 0 到 255 之间的数字来显示除英语和一些 ascii 字符之外的任何内容。Unicode 应该不同，或者可能相同。大声笑我迷路了！大声笑
如果您从中文键盘键入，如果您“创建”一个中文字符，问题是如何存储这些字节，然后使用正确的编码正确解释它们。关于 ALT+ 这里有一篇好文章：en.wikipedia.org/wiki/Alt_code
我一直在测试网站的变化，一切似乎都很好。我的更改打开的唯一一件事是不使用语句的 SQL 注入攻击，因为我现在无法过滤除 a-z A-Z 和 0-9 之外的所有内容。我想如果你永远无法输入符号，你就永远无法破解它，但现在这扇巨大的门打开了，我感觉不像以前那么安全了。我怎么知道没有 200 种显示报价的方式。呃，好吧。一旦我切换到语句，它应该和以前一样安全。谢谢大家的时间。我很感激！我尝试投票给其他人，但我不能...