utf8_encode 函数用途答案

【问题标题】：utf8_encode function purposeutf8_encode 函数用途
【发布时间】：2011-10-05 17:30:10
【问题描述】：

假设我用 UTF-8 编码我的文件。

在 PHP 脚本中，将比较一个字符串：

$string="ぁ";
$string = utf8_encode($string); //Do i need this step?
if(preg_match('/ぁ/u',$string))
//Do if match...

没有 utf8_encode() 函数的 string 真的是 UTF-8 吗？如果你用 UTF-8 编码你的文件不需要这个功能？

【问题讨论】：

是的，但是如果我用 UTF-8 编码我的文件仍然是必要的？我的意思是它们是用 UTF-8 编码的，为什么要再次编码？

标签： php regex utf-8 character-encoding

【解决方案1】：

您的字符串不是 utf-8 字符，因此无法预匹配它，因此您需要对其进行 utf8_encode。尝试将 PHP 文件编码为 utf-8（使用 Notepad++ 之类的东西），没有它也可以工作。

【讨论】：

我用 UTF-8 编码了我所有的文件，还需要那个函数吗？
那么您是否尝试过删除 utf8_encode 函数并查看它是否匹配？
如果我用 UTF-8 编码文件，它真的是 UTF-8 字符串吗？所以不需要这个功能。
不，除非原始字符串来自可能不是 UTF-8 编码字符串的用户输入。即使这样 utf8_encode 也无法解决您的问题，因为它只能从 ISO-8859-1 转换。

【解决方案2】：

PHP 通常不关心字符串编码，字符串是 PHP 中的二进制数据。所以如果你需要编码，你必须知道字符串中数据的编码。问题是：编码对你来说重要吗？

如果您将字符串变量内容设置为类似的内容：

$string="ぁ";

它将不包含 UTF-8。相反，它包含一个不是有效 UTF-8 字符的二进制序列。这就是浏览器或编辑器显示问号或类似内容的原因。所以在你继续之前，你已经看到有些东西可能不像预期的那样。（原来它是我这边缺少的字体）

这也表明您在编辑器中的文件支持 UTF-8 或其他一些 unicode 编码风格。请记住以下几点：一个文件 - 一种编码。如果您将字符串存储在文件中，则它位于该文件的编码中。检查您的编辑器以哪种编码保存文件。那你就知道字符串的编码了。

让我们假设它是一些有效的 UTF-8（支持我的字体）：

$string="ä";

然后您可以稍后对字符串进行二进制比较：

if ( 'ä' === $string )
  # do your stuff

因为它在同一个文件中并且 PHP 字符串是二进制数据，所以这适用于每种编码。因此，如果您使用二进制安全的函数，通常不需要重新编码（更改编码）数据 - 这意味着数据的编码不会更改。

对于正则表达式编码确实起作用。这就是为什么有 u 修饰符来表示您想让表达式在 unicode 编码数据上工作。但是，如果数据已经是 unicode 编码的，则在使用preg_match 之前无需将其更改为 unicode。但是，对于您的代码示例，根本不需要正则表达式，简单的字符串比较就可以了。

总结：

$string="ä";
if ( 'ä' === $string )
  # do your stuff

【讨论】：

为什么你说$string="ぁ"; 不会包含UTF-8。相反，如果我将文件编码为 UTF-8，它包含一个不是有效 UTF-8 字符的二进制序列
因为问号之类的字符。并非所有存在的二进制序列都是有效的 UTF-8 字符（或者准确地说是 unicode 代码点）。这就是为什么你的编辑器显示那个问号，二进制序列不能被“读取”为有效字符。
$string="ぁ"; 对我来说作为日语あ显示得非常好。那是一个有效的 UTF-8 字符。不知道你在那里看到了什么......
@hakre 从您的回答中我无法理解一些事情，但非常感谢您的回答和时间。
@deceze, @nEAnnam：好吧，在我的电脑上，它显示像[?] 这样的字符，从你们俩写的内容来看，我现在确定我缺少字体。因此，请忽略说它无效的部分，这是我的错（：D）。只要它有效，就像ä 一样，所以该部分应该仍然有效。编辑了答案。希望现在好多了。

【解决方案3】：

如果您阅读了utf8_encode 的手册条目，它会将 ISO-8859-1 编码字符串转换为 UTF-8。函数名是一个可怕的误称，因为它暗示了某种必要的自动编码。事实并非如此。如果您的源代码保存为 UTF-8 并且您将“あ”分配给 $string，那么 $string 将保存以 UTF-8 编码的字符“あ”。无需采取进一步行动。事实上，尝试将 UTF-8 字符串（错误地）从 ISO-8859-1 转换为 UTF-8 会出现乱码。

更详细地说，您的源代码被读取为字节序列。 PHP 用 ASCII 解释对它很重要的东西（所有关键字和运算符等）。 UTF-8 向后兼容 ASCII。这意味着，所有“普通”ASCII 字符都使用 ASCII 和 UTF-8 中的相同字节表示。因此，" 被 PHP 解释为 "，无论它应该保存为 ASCII 还是 UTF-8。引号之间的任何内容，PHP 都简单地将其作为文字位序列。所以 PHP 将您的 "あ" 视为 "11100011 10000001 10000010"。它不关心引号之间到底是什么，它会按原样使用它。

【讨论】：

【解决方案4】：

总结：

utf8_encode() 函数会将给定字符串中的每个字节编码为 UTF-8。无论以前使用什么编码来存储文件。它的目的是编码还不是 UTF-8 的字符串¹。

1.- 正确使用此函数的方法是将 ISO-8859-1 字符串作为参数。为什么？因为 Unicode 和 ISO-8859-1 在相同的位置有相同的字符。

                [Char][Value/Position]          [Encoded Value/Position]
[Windows-1252]  [€][80]                 ---->   [C2|80] Is this the UTF-8 encoded value/position of the [€]?    No
[ISO-8859-1]    [¢][A2]                 ---->   [C2|A2] Is this the UTF-8 encoded value/position of the [¢]?    Yes

该函数似乎适用于其他编码：如果要编码的字符串仅包含具有相同的字符 ISO-8859-1 编码的值（例如在 Windows-1252 00-EF & A0-FF 位置）。

我们应该考虑到，如果函数接收到 UTF-8 字符串（编码为 UTF-8 的文件）将再次对该 UTF-8 字符串进行编码并且会产生垃圾。

【讨论】：