PHP
UTF-8

Observaciones

Entrada

• Debe verificar que todas las cadenas recibidas sean UTF-8 válidas antes de intentar almacenarlas o usarlas en cualquier lugar. PHP mb_check_encoding() hace el truco, pero tienes que usarlo consistentemente. Realmente no hay forma de evitar esto, ya que los clientes malintencionados pueden enviar datos en cualquier codificación que deseen.

  $string = $_REQUEST['user_comment'];
  if (!mb_check_encoding($string, 'UTF-8')) {
      // the string is not UTF-8, so re-encode it.
      $actualEncoding = mb_detect_encoding($string);
      $string = mb_convert_encoding($string, 'UTF-8', $actualEncoding);
  }
  

• Si está utilizando HTML5, puede ignorar este último punto. Desea que todos los datos que le envíen los navegadores estén en UTF-8. La única forma confiable de hacer esto es agregar el atributo accept-charset a todas sus etiquetas <form> así:

  <form action="somepage.php" accept-charset="UTF-8">
  

Salida

• Si su aplicación transmite texto a otros sistemas, también deberán estar informados de la codificación de caracteres. En PHP, puede usar la opción default_charset en php.ini , o emitir manualmente el encabezado MIME Content-Type . Este es el método preferido para apuntar a los navegadores modernos.

  header('Content-Type: text/html; charset=utf-8');
  

• Si no puede establecer los encabezados de respuesta, también puede configurar la codificación en un documento HTML con metadatos HTML .

  • HTML5

    <meta charset="utf-8">
    

  • Versiones anteriores de HTML

    <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
    

Almacenamiento de datos y acceso

Este tema trata específicamente sobre UTF-8 y las consideraciones para usarlo con una base de datos. Si desea obtener más información sobre el uso de bases de datos en PHP, consulte este tema .

Almacenamiento de datos en una base de datos MySQL:

• Especifique el utf8mb4 caracteres utf8mb4 en todas las tablas y columnas de texto en su base de datos. Esto hace que MySQL almacene y recupere físicamente los valores codificados de forma nativa en UTF-8.

  MySQL usará implícitamente la codificación utf8mb4 si se especifica una intercalación utf8mb4_* (sin ningún conjunto de caracteres explícito).

• Las versiones anteriores de MySQL (<5.5.3) no admiten utf8mb4 por lo que se verá obligado a usar utf8 , que solo admite un subconjunto de caracteres Unicode.

Accediendo a los datos en una base de datos MySQL:

• En su código de aplicación (por ejemplo, PHP), en cualquier método de acceso a base de datos que use, deberá configurar el conjunto de caracteres de conexión en utf8mb4 . De esta manera, MySQL no realiza ninguna conversión desde su UTF-8 nativo cuando entrega los datos a su aplicación y viceversa.

• Algunos controladores proporcionan su propio mecanismo para configurar el conjunto de caracteres de conexión, que actualiza su propio estado interno e informa a MySQL de la codificación que se utilizará en la conexión. Este suele ser el enfoque preferido.

  Por ejemplo (la misma consideración con respecto a utf8mb4 / utf8 aplica como anteriormente):

  • Si está utilizando la capa de abstracción PDO con PHP ≥ 5.3.6, puede especificar el charset de charset en el DSN :

    $handle = new PDO('mysql:charset=utf8mb4');
    

  • Si está usando mysqli , puede llamar a set_charset() :

    $conn = mysqli_connect('localhost', 'my_user', 'my_password', 'my_db');
    
    $conn->set_charset('utf8mb4');        // object oriented style
    mysqli_set_charset($conn, 'utf8mb4'); // procedural style
    

  • Si está atascado con MySQL simple pero está ejecutando PHP ≥ 5.2.3, puede llamar a mysql_set_charset .

    $conn = mysql_connect('localhost', 'my_user', 'my_password');
    
    $conn->set_charset('utf8mb4');       // object oriented style
    mysql_set_charset($conn, 'utf8mb4'); // procedural style
    

  • Si el controlador de la base de datos no proporciona su propio mecanismo para configurar el conjunto de caracteres de conexión, es posible que tenga que realizar una consulta para decirle a MySQL cómo su aplicación espera que los datos de la conexión se codifiquen: SET NAMES 'utf8mb4' .