用 PHP 处理 UTF-8

UTF-8 是 Unicode 最常用的存储编码，用 1–4 个字节表示一个字符：ASCII 字符 1 字节，拉丁字母扩展 2 字节，常用汉字 3 字节，emoji 等 4 字节。下面重点说明函数与示例。

用 PHP 处理 UTF-8

下面是 PHP 中处理UTF-8的常用写法：

strlen("123问");          // 6（字节数）
mb_strlen("123问", "UTF-8"); // 4（字符数）
mb_convert_encoding($s, "UTF-8", "GBK");

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

示例

输入：a+b=c

编码结果：61 2B 62 3D 63

说明：按 UTF-8 共 5 字节。

规则说明

• 首字节前导 1 的个数表示总字节数，后续字节都以 10 开头
• 同一个码点只能用最短形式编码（过长编码是非法的）
• U+D800–U+DFFF 代理项码点不能出现在 UTF-8 中
• BOM 不是必需的，Linux 和网页通常不加

常见报错

• UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6：文件实际是 GBK
• Incorrect string value: '\xF0\x9F\x98\x80'（MySQL）：字段是 utf8，改为 utf8mb4
• 页面显示“锟斤拷”：GBK 与 UTF-8 来回错误转换，替换字符 EF BF BD 被按 GBK 显示
• PHP 输出前多了空白：文件带 BOM

本站的字符编码检测工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。

常见问题

【“中文”是什么乱码？】UTF-8 编码的“中文”被按 Latin-1/Windows-1252 解读的结果。

【UTF-8 能表示所有汉字吗？】能，包括所有 CJK 扩展区汉字。

【一个汉字在 UTF-8 中占几个字节？】常用汉字 3 个字节；扩展 B 区及以后的生僻字 4 个字节。

文中示例可以在本站对应工具中验证；处理密钥、证书等敏感数据时，请注意保护隐私。

标签： UTF-8 数码开发