理解PHP中的字符编码

我正在努力理解PHP中的字符编码

考虑以下脚本（您可以运行它）：

我有一个字符串，实际上是欧元字符，用它的unicode代码点表示。在

PHP5.5

之前，使用的内部编码是

ISO-8859-1

，因此我认为我的字符串将使用此编码。使用

unpack

我可以看到字符串的bite表示，它对应于我用来定义字符串的十六进制代码

然后我使用

mb\u convert\u encoding

将字符串的编码转换为

UTF-8

。此时，字符串在屏幕上的显示方式不同，其字节表示也会发生变化（这是意料之中的）

如果我将

PHP

内部编码也更改为

UTF-8

，我希望

utf8string

能正确显示在屏幕上，但这不会发生

---

我缺少什么？

您显示的脚本没有使用任何非ascii字符，因此其内部编码没有任何区别

mb_internal_编码

会在输出时转换数据。会告诉你更多关于它是如何工作的；它也会告诉你最好不要使用它

代码中的三字节字符串

$string

是欧元符号的UTF-8表示形式，而不是其“unicode代码点”（与所有常见unicode字符一样，宽度为2字节：

0x20ac

）

---

这是否清除了您看到的行为？

您从一个字符串开始，该字符串是欧元符号的

utf-8

表示形式。如果运行

echo（$string）

所有版本的PHP都会生成放入

$string

中的三个字节。浏览器对它们的解释方式取决于

内容类型

标题中指定的字符集。如果是

text/html；charset=utf-8

然后在呈现的页面中获得欧元符号

那你就错了。您只使用两个参数调用。这允许PHP使用第三个参数（

$from_encoding

）的

mb_字符串扩展所使用的内部编码的当前值。为什么?

对于PHP5.6及更新版本，返回的默认值是
utf-8
，对
mb\u convert\u encoding（）
的调用是不可操作的

但是对于早期版本的PHP，
mb_internal_encoding（）
返回的默认值是
iso-8859-1
，它与字符串的编码不匹配。因此，
mb\u convert\u encoding（）
将
$string
的字节解释为三个单独的字符，并使用
utf-8
的规则进行编码。结果显然是错误的

顺便说一句，如果您使用
'€'
初始化
$string
，则在所有PHP版本（甚至在PHP4、iirc上）上都会得到相同的输出。
您是否在浏览器中运行此功能？这将对字符编码做出自己的选择，您最好对有问题的字符进行实体转义。在
中添加
，以确保浏览器也希望使用UTF8。PHP中的所有字符串都被视为二进制字符串，并且
mb\u internal\u encoding（）
实际上只影响其他
mb.*
函数的工作方式。您也不能在同一文档中同时输出ISO-8859和UTF8，并且无论生成输出的程序是什么，都不能期望任何正常的情况发生。
$string = "\xe2\x82\xac";

var_dump(mb_internal_encoding());
var_dump($string);
var_dump(unpack('C*', $string));
$utf8string = mb_convert_encoding($string, "UTF-8");
var_dump($utf8string);
var_dump(unpack('C*', $utf8string));

mb_internal_encoding("UTF-8");

var_dump($string);
var_dump($utf8string);