我想确保我对UTF-8的了解都是正确的。我已经尝试使用UTF-8一段时间了，但是我不断遇到越来越多的错误和其他怪异的东西，使得拥有100％UTF-8网站似乎几乎是不可能的。我似乎总是想念某个地方。也许有人可以改正我的清单或确定清单，所以我不会错过任何重要事项。

数据库

每个站点都必须将数据存储在某个地方。无论您使用什么PHP设置，都必须配置数据库。如果无法访问配置文件，请确保在连接后立即 设置 “ SET
NAMES’utf8’ ”。另外，请确保在所有表上使用utf8_ unicode_
ci。假设MySQL用于数据库，则您将不得不更改其他数据库。

正则表达式

我做了很多正则表达式，比您的平均搜索替换更为复杂。我必须记住使用“ /
u”修饰符，以便PCRE不会破坏我的字符串。但是，即使那样，显然仍然存在问题]。

字符串函数

所有默认的字符串函数（strlen（），strpos（）等）都应替换为查看字节而不是字节的多字节字符串函数。

标头 您应确保服务器为浏览器返回正确的标头，以了解您要使用的字符集（就像必须告诉MySQL一样）。

header（’Content-Type：text / html; charset = utf-8’）;

将正确的标记放在页面标题中也是一个好主意。尽管实际的标头会覆盖此标头，但它们应该不同。

<meta http-equiv="Content-Type" content="text/html;charset=utf-8">

问题

是否需要在页面加载时将从用户代理（HTML表单和URI）接收到的所有内容转换为UTF-8，或者是否可以将字符串/值保持原样并通过这些函数运行它们而不会出现问题？
？

如果我确实需要将所有内容都转换为UTF-8，那么我应该采取什么步骤？mb_detect_encoding似乎是为此目的而构建的，但我一直看到人们抱怨它并不总是有效。mb_check_encoding似乎也很难从格式错误的字符串中分辨出一个好的UTF-8字符串。

PHP是否根据使用的编码方式（例如文件类型）以不同的方式将字符串存储在内存中，还是仍然像常规的字符串一样存储字符串，并且某些字符的解释方式有所不同（例如＆amp;
vs和HTML中的）。 chazomaticus回答了这个问题：

在PHP中（无论如何，最高为PHP5），字符串只是字节序列。没有与之关联的隐式或显式字符集；这是程序员必须跟踪的东西。

如果将非UTF-8字符串提供给mb_ *函数，是否会引起问题？

如果UTF字符串编码不正确，会出问题（例如正则表达式中的解析错误吗？），还是只是将实体标记为错误的（html）？是否有可能因为字符串不正确而对字符串的编码不正确而导致函数返回FALSE吗？

我听说您也应该将表格标记为UTF-8（accept-charset =“ UTF-8”），但是我不确定这样做有什么好处。

是否编写了UTF-16以解决UTF-8中的限制？就像UTF-8的字符空间用完了吗？（Y2（UTF）k？）

功能

这是我找到的几个自定义PHP函数，但是我没有任何方法可以验证它们是否确实有效。也许有人举了一个我可以使用的例子。首先是convertToUTF8（），然后是来自wordpress的似乎screw_utf8。

function seems_utf8($str) {
    $length = strlen($str);
    for ($i=0; $i < $length; $i++) {
        $c = ord($str[$i]);
        if ($c < 0x80) $n = 0; # 0bbbbbbb
        elseif (($c & 0xE0) == 0xC0) $n=1; # 110bbbbb
        elseif (($c & 0xF0) == 0xE0) $n=2; # 1110bbbb
        elseif (($c & 0xF8) == 0xF0) $n=3; # 11110bbb
        elseif (($c & 0xFC) == 0xF8) $n=4; # 111110bb
        elseif (($c & 0xFE) == 0xFC) $n=5; # 1111110b
        else return false; # Does not match any model
        for ($j=0; $j<$n; $j++) { # n bytes matching 10bbbbbb follow ?
            if ((++$i == $length) || ((ord($str[$i]) & 0xC0) != 0x80))
                return false;
        }
    }
    return true;
}

function is_utf8($str) {
    $c=0; $b=0;
    $bits=0;
    $len=strlen($str);
    for($i=0; $i<$len; $i++){
        $c=ord($str[$i]);
        if($c > 128){
            if(($c >= 254)) return false;
            elseif($c >= 252) $bits=6;
            elseif($c >= 248) $bits=5;
            elseif($c >= 240) $bits=4;
            elseif($c >= 224) $bits=3;
            elseif($c >= 192) $bits=2;
            else return false;
            if(($i+$bits) > $len) return false;
            while($bits > 1){
                $i++;
                $b=ord($str[$i]);
                if($b < 128 || $b > 191) return false;
                $bits--;
            }
        }
    }
    return true;
}