PHP开发-多字节字符串处理及字符编码

Posted 2020-12-20 StringArray

mbstring 扩展

我们所说的多字节字符指的是不在传统的 128 个 ASCII 字符集中的字符，比如中文字符。而 php 中处理字符串的函数默认假设所有字符都是 8 位字符，占用一个字节，如果使用这些 PHP 原生的字符串处理函数处理包含多字节字符的 Unicode 字符串，会得到意料之外的错误结果。

为了避免处理多字节字符出错，可以安装 mbstring 扩展。这个扩展提供了处理多字节字符串的函数，能替代大多数 PHP 原生的处理字符串的函数，例如，可以使用 mb_strlen() 替代原生的 strlen() 函数来获取字符串长度。

注：更多多字节字符串处理函数请参考官方文档 http://php.net/manual/zh/ref.mbstring.php

Laravel 底层的字符串处理函数很多也用到 mbstring 提供的函数对字符串进行处理。详见 IlluminateSupportStr 类，这个比较简单，这里就不做赘述了。

字符编码

字符编码是打包 Unicode 数据的方式，以便把数据存储在内存中，或者在服务器和浏览器之间传输。UTF-8 是多种可用字符编码中的一种，但是是最流行的一种，所有现代 Web 浏览器都支持。
处理多字节字符串的时候，记住以下几个建议：

• 一定要知道数据的字符编码
• 使用 UTF-8 字符编码存储数据
• 使用 UTF-8 字符编码输出数据

mbstring 扩展不仅能处理 Unicode 字符串，还能在不同的字符编码之间转换多字节字符串。我们可以使用 mb_detect_encoding() 方法检测字符编码，然后使用 mb_convert_encoding()方法转换字符编码。

输出 UTF-8 数据

处理多字节字符串的时候，需要告知 PHP 使用 UTF-8 字符编码，我们可以在 php.ini 中进行全局设置：

default_charset = "UTF-8";

很多 PHP 函数都会使用这个默认的字符编码，如 htmlentities()、html_entity_decode() 和 htmlspecialchars()，以及 mbstring 扩展提供的函数。

在浏览器输出时，我们可以通过 header() 函数指定输出数据字符编码：

<?php
header("Content-Type: application/json;charset=utf-8");

我们还建议在 HTML 文档的头部加上这个 meta 标签：

<meta charset="UTF-8"/>