php - simplexml_load_file 到数据库 utf-8

Question

我从 API 导入 XML 文件。我使用 simplexml_load_file() 加载文件。 XML 具有 UTF-8 编码。在某些元素的标题中，特殊字符是准确的，例如“café”。如果我直接在浏览器中输出这些标题，我会很好地看到它们，但我将所有值存储在 MySQL 数据库中。尽管该表具有 UTF-8 编码，但值的存储方式类似于“Paardcafé”。我尝试了 differend enconding、htmlentities 等，但输出保持不变。即使编码没有从原始文件更改为存储到数据库中，也会发生这种情况的任何原因？

Answer 1

编码就像一条链条，如果一个环节断了，整条链条都会断。

由于编码是实际数据旁边的元信息，因此处理该数据的不同进程需要具有该元信息。如果一个进程有错误的编码信息，就会出现错误的编码。

在您的情况下，您有以下链:

API -> XML -> SimpleXMLElement -> PHP Variable -> Database Link -> Database Store

问题出在最后的部分，对于您已经检查过的 API、XML、SimpleXMLElement 和 PHP 变量，编码是正确的。所以左边是结尾部分:

PHP Variable -> Database Link -> Database Store
   *good*                            *bad*

如您所见，数据库链接 介于两者之间。那么那里发生了什么？

数据库链接 携带信息，其中从 PHP 传递的编码字符在提供给数据库存储时被编码。

这看起来怎么样？让我们在 PHP 代码中查看您的问题:

$word = "café";

假设此 PHP 代码编码为 UTF-8(当您的浏览器请求答案时，它也在 Stackoverflow 上)。在计算机内存中，它存储为二进制 数据。这是逐字节的，在这种情况下，如果你查看内存，你会看到如下内容:

636166c3a9

这五个字节表示“café”的字符为 UTF-8:

c := 63
a := 61
f := 66
é := c3a9

与内存中的二进制数据一样，它类似于数据库链接 将字符传输到数据库服务器的方式:作为二进制数据。

所以链接的另一端需要知道如何解释这个二进制序列。为此，它需要知道编码，因为数据库随后需要将数据存储到您所说的 UTF-8 编码的列中。

因此，例如，如果数据库服务器通过数据库链接变成二进制字符数据，而这与列需要的编码不同，数据库服务器重新- 将通过链接传递的二进制数据编码为存储列中数据所需的编码:

link: <data:latin1>  -- (re-encode) --> column: <data:utf8>

假设，数据库链接在发送二进制序列 <636166c3a9> 从上面。并且列需要有 UTF-8。然后数据库服务器将重新编码该序列:

(latin1) 636166c3a9 ---> (utf8) 636166c383c2a9

然而，对于相同的操作，如果数据库链接携带了数据编码为 UTF-8 的信息，则不需要重新编码，因为它已经在列的正确编码中:

(utf8) 636166c3a9 ---> (utf8) 636166c3a9 

那么让我们比较一下最后两个示例中可读字符的二进制 UTF-8 序列:

636166c383c2a9  := café
636166c3a9      := café

是不是很眼熟？所以即使 PHP 代码中的数据是 UTF-8 编码数据库列的编码是 UTF-8，如果 Database Link 携带了错误的编码信息，编码仍然可以被破坏。

那么如何告诉数据库链接使用哪种编码呢？这取决于数据库驱动程序。您正在使用 Mysql，因此您可能正在 PHP 中使用 PDO。对于 PDO Mysql，您将 charset 参数添加到 DSN，例如";charset=utf8"在它的末尾:

$pdo = new PDO("mysql:host=localhost;dbname=world;charset=utf8", "my_user", "my_password");

或者，如果您使用的是 Mysqli，则调用 set_charset 方法:

$mysqli = new mysqli("localhost", "my_user", "my_password", "world");
$mysqli->set_charset('utf8');

我希望这能让您更清楚地看到问题，并向您展示如何更改设置。