前言：

說實(shí)話，涼鞋也覺得 UTF8 是好東西……畢竟同屏顯示中日韓對東亞人的吸引力是不小的……（當(dāng)然好處不僅是這點(diǎn)啦……）不僅是網(wǎng)頁程式……很多應(yīng)用程式的內(nèi)核都開始使用 Unicode 編碼……目的是顯而易見的：支援多語言顯示……微軟的所有軟體都是 Unicode 內(nèi)核……所以日文軟體拿到你的中文 XP 上是可以正常顯示的……而中文 98 就會因?yàn)?GB 內(nèi)核安裝其他語言軟體時(shí)造成亂碼……

至于 UTF8 ，可以說是 Unicode 的一個(gè)分支，它用三個(gè)字節(jié)保存一個(gè)漢字……（Unicode 用四個(gè)字節(jié)）應(yīng)用軟體都集體投奔 Unicode 了……就不允許我們搞網(wǎng)頁程式的用 UTF8？

本文中涼鞋就盡量多方位介紹一下 UTF8 編碼下的 PHP 編程……至于為什么單獨(dú)介紹“中文”……一來是因?yàn)橛⑽倪@玩意實(shí)在不需要考慮 UTF8 ……除非你準(zhǔn)備做多語言系統(tǒng)……（我要發(fā)些牢騷：現(xiàn)在的老外寫程式時(shí)根本不重視這個(gè)問題……）二來是中日韓等多字節(jié)語系在 UTF8 編碼下的處理方式其實(shí)大同小異……依葫蘆畫瓢即可……好……先從數(shù)據(jù)庫處理部分開始吧……

==========================================連接數(shù)據(jù)庫

很多人剛升級到 Mysql 4.1 時(shí)會發(fā)現(xiàn)數(shù)據(jù)亂掉了……其實(shí)是因?yàn)?Mysql 從 4.1 開始支援字符集了……而且默認(rèn)字符集正是 UTF8 ……（充分證明與國際接軌的重要性…… 嘿嘿……）而以前我們大多使用 utf8 或是 GBK 編碼……這樣以來輸出的數(shù)據(jù)當(dāng)然是亂碼……要解決亂碼……就得讓程序知道該獲取什么編碼的數(shù)據(jù)……

我們假設(shè)你以前的數(shù)據(jù)庫是 utf8 編碼的……那么你可以在查詢前添加一句

mysql_query('SET CHARACTER SET utf8') or die('Query failed : ' . mysql_error());當(dāng)然，由于 4.1 以上才需要這樣處理，因此我們可以加上判斷：

$mysqlversion = $db->query_first('SELECT VERSION() AS version');if ($mysqlversion['version'] >= '4.1'){mysql_query('SET CHARACTER SET utf8') or die('Query failed : ' . mysql_error());}這樣以來不管 Mysql 默認(rèn)編碼是什么都可以正常存取了……（不論您是存活期，還是存定期，甚至是零存整取都沒有問題鳥……）

但是，人家都國際化鳥……您還在用 utf8 行么？如何轉(zhuǎn)碼呢？還有……數(shù)據(jù)升級時(shí)出現(xiàn)亂碼怎么辦？涼拌！且聽下回分解……

============================================數(shù)據(jù)升級至 4.1

要升級……就得先導(dǎo)出……要說老外還真不負(fù)責(zé)……以前的導(dǎo)出方式總是弄丟一些中文字符……比如把“我愛你娘”弄成“我愛你”啦……（通常是丟失一段數(shù)據(jù)最末尾的字）整個(gè)兒差了一輩兒……（用石榴姐的話說就是“這么大逆不道的事實(shí)在是太刺激了”……）為了保護(hù)您脆弱的心臟……也為了維護(hù)中國傳統(tǒng)倫理道義……您可以把數(shù)據(jù)包含中文字符的字段改為二進(jìn)制(Binary)編碼……具體方法嘛……可以運(yùn)行這個(gè)語句：

ALTER TABLE `表名` CONVERT TO CHARACTER SET binary;這樣，那些字符類型字段，如：CHAR、VARCHAR 和 TEXT將轉(zhuǎn)換為BINARY、VARBINARY 和 BLOB然后再導(dǎo)出并導(dǎo)入到 4.1 環(huán)境中……當(dāng)然，最后一項(xiàng)繁瑣的工作是：你需要把它們的類型再改回來……

有往 4.1 升級的……當(dāng)然也有往下降級的……怎么降級？？？涼鞋去上個(gè)廁所……而您請翻下頁……

=============================================數(shù)據(jù)從 4.1 降級

有人發(fā)現(xiàn)從4.1導(dǎo)出的 SQL 文件無法導(dǎo)入低版本程序……問題其實(shí)很簡單……而且 Mysql 已經(jīng)為我們想好了一切……導(dǎo)出時(shí)請?zhí)砑?–compatible 參數(shù)……我們假設(shè)您的數(shù)據(jù)庫是 utf8 編碼的……而且目標(biāo)數(shù)據(jù)庫版本為 4.0 ……那么命令行下這么寫：

shell>mysqldump --user=username --password=password --compatible=mysql40 --default-character-set=utf8 database > db.sql這樣導(dǎo)出的 SQL 文件就能夠順利導(dǎo)入低版本數(shù)據(jù)庫了……

數(shù)據(jù)庫部分算是搞定了……但 PHP 編程方面要如何注意呢？還得勞您翻下頁……h(huán)ttp://www.mypchelp.cn=============================================PHP 文件編碼

是否所有 PHP 文件都必須轉(zhuǎn)成 UTF8 編碼呢？涼鞋告訴您是 NO ……

這么說吧……如果文件中包含需要顯示出來的中文字符……就應(yīng)該轉(zhuǎn)為 UTF8 編碼……舉例子吧：

// 我是涼鞋echo time();上面的代碼雖有代碼……但是由于存在于注釋中……不會輸出……所以這個(gè)頁面可以不用轉(zhuǎn)換為 UTF8 格式……

再如：

echo '我是涼鞋';這個(gè)明顯有中文字符輸出……您還是老老實(shí)實(shí)轉(zhuǎn)換為 UTF8 吧……

當(dāng)然現(xiàn)在很多程式都采用模板（語言包）技術(shù)……程式（非語言包文件）里是看不到任何供輸出的字符的……這樣以來我們只需要將語言包文件轉(zhuǎn)成 UTF8 編碼即可……（語言包的優(yōu)勢就在這里啊…… 啊哈哈哈哈哈……）'http://www.mypchelp.cn==================================================

UTF8 中文截取

由于 UTF8 使用三個(gè)字節(jié)……所以傳統(tǒng)的 substr 函數(shù)就沒轍了……很多高手都寫了 UTF8 中文字符截取函數(shù)……這里送上幾種：

1.先算再取

/*** Author : Dummy | Zandy* Email : lianxiwoo@gmail.com | hotmail.com* Create : 200512* Usage : echo join('', String::subString_UTF8('漢字', 0, 1));*/ini_set('display_errors', 1);error_reporting(E_ALL ^ E_NOTICE);class String {function subString_UTF8($str, $start, $lenth){$len = strlen($str);$r = array();$n = 0;$m = 0;for($i = 0; $i < $len; $i++) {$x = substr($str, $i, 1);$a = base_convert(ord($x), 10, 2);$a = substr('00000000'.$a, -8);if ($n < $start){if (substr($a, 0, 1) == 0) {}elseif (substr($a, 0, 3) == 110) {$i += 1;}elseif (substr($a, 0, 4) == 1110) {$i += 2;}$n++;}else{if (substr($a, 0, 1) == 0) {$r[] = substr($str, $i, 1);}elseif (substr($a, 0, 3) == 110) {$r[] = substr($str, $i, 2);$i += 1;}elseif (substr($a, 0, 4) == 1110) {$r[] = substr($str, $i, 3);$i += 2;}else{$r[] = '';}if (++$m >= $lenth){break;}}}return $r;} // End subString_UTF8}// End Stringecho join('', String::subString_UTF8('漢字', 0, 1));2.先截后取這種方式?jīng)鲂X得很巧妙……用傳統(tǒng)截取函數(shù)先截?cái)唷缓笈袛嘀形膯蝹€(gè)字符是否被分割開……如果是……則處理之……要特別注意的是 substr 函數(shù)的第三個(gè)參數(shù)必須大于 3 ……至于為什么不用涼鞋解釋了吧？

// A trim function to remove the last character of a utf-8 string// by following instructions on http://en.wikipedia.org/wiki/UTF-8// dotann// usage: $str = utf8_trim(substr($str,0,50));function utf8_trim($str) {$len = strlen($str);for ($i=strlen($str)-1; $i>=0; $i-=1){$hex .= ' '.ord($str[$i]);$ch = ord($str[$i]);if (($ch & 128)==0) return(substr($str,0,$i));if (($ch & 192)==192) return(substr($str,0,$i));}return($str.$hex);}$str = '漢字';echo utf8_trim(substr($str,0,3));3.還有其它方法，比如 007pig 為我們 vBulletin 中文版里所寫的函數(shù)……短小精悍……源碼不便放出……對不住鳥……

今天就寫到這里吧……還有轉(zhuǎn)碼等問題沒有寫……最近忙……有空繼續(xù)整理……h(huán)ttp://www.quchao.com/?p=6&pp=1