最佳实践系列(九):PHP 多字节字符串处理函数及字符编码

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 Illuminate\Support\Str 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()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"/>

学院君 has written 716 articles

资深PHP工程师,Laravel学院院长

发表评论

标记为*的字段是必填项(邮箱地址不会被公开)

你可以使用这些HTML 标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>