Flujo de trabajo UTF8 PHP, resumen de MySQL [cerrado]
Estoy trabajando para clientes internacionales que tienen alfabetos muy diferentes, por lo que estoy tratando de obtener finalmente una visión general de un flujo de trabajo completo entre PHP y MySQL que asegure que todas las codificaciones de caracteres se inserten correctamente. He leído un montón de tutoriales sobre esto, pero todavía tengo preguntas (hay mucho que aprender) y pensé que podría ponerlo todo junto y preguntar.
PHP
header('Content-Type:text/html; charset=UTF-8');
mb_internal_encoding('UTF-8');
HTML
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<form accept-charset="UTF-8"> .. </form>
(aunque el último es opcional y más bien una sugerencia, pero creo que prefiero sugerir que no hacer nada)
MySQL
CREATE database_name DEFAULT CHARACTER SET utf8;
oALTER database_name DEFAULT CHARACTER SET utf8;
y / o usoutf8_general_ci
como colación de conexiones MySQL.
(esimportante tener en cuenta aquí que esto aumentará el tamaño de la base de datos si utiliza varchar)
Conexión
mysql_query("SET NAMES 'utf8'");
mysql_query("SET CHARACTER_SET utf8");
Lógica de negocios
detectar si no es UTF8 conmb_detect_encoding()
y convertir conivon()
.
validando secuencias demasiado largas de UTF8 y UTF16
$body=preg_replace('/[\x00-\x08\x10\x0B\x0C\x0E-\x19\x7F]|(?<=^|[\x00-\x7F])[\x80-\xBF]+|([\xC0\xC1]|[\xF0-\xFF])[\x80-\xBF]*|[\xC2-\xDF]((?![\x80-\xBF])|[\x80-\xBF]{2,})|[\xE0-\xEF](([\x80-\xBF](?![\x80-\xBF]))|(?![\x80-\xBF]{2})|[\x80-\xBF]{3,})/','�',$body);
$body=preg_replace('/\xE0[\x80-\x9F][\x80-\xBF]|\xED[\xA0-\xBF][\x80-\xBF]/S','?', $body);
Preguntas
esmb_internal_encoding('UTF-8')
necesario en PHP 5.3 y superior y, si es así, significa que tengo que usar todas las funciones de múltiples bytes en lugar de sus funciones principales comomb_substr()
en lugar desubstr()
?
¿Sigue siendo necesario verificar las picaduras de entrada mal formadas y, en caso afirmativo, cuál es una función / clase confiable para hacerlo? Posiblemente no quiero eliminar los datos erróneos y no sé lo suficiente sobre la transliteración.
debería ser realmenteutf8_general_ci
o mejorutf8_bin
?
¿hay algo que falta en el flujo de trabajo anterior?
fuentes:
http://coding.smashingmagazine.com/2012/06/06/all-about-unicode-utf8-character-sets/
http://webcollab.sourceforge.net/unicode.html
http://stackoverflow.com/a/3742879/1043231
http://www.adayinthelifeof.nl/2010/12/04/about-using-utf-8-fields-in-mysql/
http://akrabat.com/php/utf8-php-and-mysql/