$_COOKIE 全局变量编码

Question

我知道，我不应该使用 ISO-8859-1，但是我有这个网站由我处理，并且不可能迁移所有 PHP/JS/HTML 以使用 UTF-8 而不是 ISO-8859-1 .

我的问题是这样的：这个网站使用encodeURIComponent 将值存储在带有 Javascript 的 cookie 中。例如，在index.html 文件（使用<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />）中有一个<script> 标记，其中包含以下代码：

document.cookie = "xxx=" + encodeURIComponent("não") + ";.....";

cookie 值存储为n%C3%A3o（我在应用程序选项卡中检查了 Chrome 上的开发工具）。尽管 HTML 文件是 ISO，cookie 仍保存为 UTF-8。伟大的！这正是encodeURIComponent 的工作原理，它始终会将其转换为 UTF-8。

当 PHP 页面使用这个 xxx cookie 值来做一些事情时，问题就出现了。由于所有 PHP 文件都保存为 ISO-8859-1，当它尝试访问 $_COOKIE["xxx"] 时，问题开始发生，例如字符被损坏。

显然我必须使用utf8_decode($_COOKIE["xxx"]) 来解决此问题，因为它会获取 cookie 值并将其解析为 ISO-8859-1。

问题是这个网站有数百个 PHP 文件，这些文件到处都使用 cookie。更改所有代码行将需要大量时间 - 我没有，因为我的老板希望今天解决这个问题。

所以我的问题来了：

1) PHP 如何知道 cookie 应该被读取为 UTF-8 并将 UTF-8 编码分配给 $_COOKIE ？当我访问 $_COOKIE 时，它显然已经解码了 cookie 值，因为 %xx 已经解码。我知道你可以说Of course you dumb, cookies are all the time stored as UTF-8.。但这并不总是正确的。

如果在 PHP 文件中（使用 ISO-8859-1 编码保存），我会这样做：

setcookie("xxx","não");

当我检查 cookie（在 Chrome 开发工具 -> 应用程序选项卡中）时，它显示 n%E3o。

你看到了吗？ n%E3o 与 n%C3%A3o 不同。

那么，在解析cookie时，PHP如何知道n%E3o应该被解码为ISO-8859-1，PHP如何知道n%C3%A3o应该被解码为UTF-8呢？

我知道_GET、_POST、_COOKIE超级全局变量是PHP自动解码的。但是它是如何知道源字符集的，又是如何决定输出哪个字符集的呢？

Answer 1

PHP 对编码并没有真正“了解”太多。在这种情况下，它不需要。 Percent-encoding，用于 cookie 的内容，明确地在编码中性字节级别工作。意思是，编码本身表示原始字节。 %C3%A3 表示两个字节 0xC3A3，这是字符“ã”的 UTF-8 编码。或者，如果您将它们读取为 ISO-8859-1，则它是字符“ã”的编码。所以 PHP 只是将百分比编码解码为原始字节；最终成为什么角色取决于您对它们的解释。 PHP 根本不解释它们，PHP 字符串只是原始字节数组。

相反，PHP 源代码文件中的任何字符串文字只是一个原始字节数组，其内容取决于保存源代码文件的编码。在保存为 ISO-8859-1 的 PHP 文件中，字符串文字 "não" 包含字节 0x6EF16F。以 UTF-8 存储的同一文件包含字节 0x6EC3A36F。在百分比编码中，这些原始字节只是按原样编码。

有关该主题的更多详细信息，请参阅What Every Programmer Absolutely, Positively Needs To Know About Encodings And Character Sets To Work With Text。