字符编码utf8到latin1，解释这两个字符

Question

我有一个使用latin-1的数据库和一个utf-8的PHP应用程序。

我在数据库中有这样的字符串：

'Société'应该是Société

'â，11bn '应该是20亿欧元。

当我使用PHP的 ord（）将错误字符打印到屏幕时，从数据库中返回的数据中打印195和226。

有人可以解释为什么会发生这种情况（为什么要像这样保存以及为什么要按原样读取字符）以及我是否可以撤消它。

Answer 1

为什么：

1）é是unicode 233（浏览器读取它） 转换为latin1 chars字节的é utf8字节为à ©。这就是数据库中出现这种情况的原因 à ©被识别为Ã，这是代码点195.因此，为什么你会看到它。

2）€是unicode 8364 转换为latin1字节字节的€utf8字节为â <82> ¬。这就是为什么它们在数据库中看起来像这样 â <82> ¬被识别为â，这是代码点226.这也是您看到这一点的原因。

这就是为什么你会看到来自ord()的值以及为什么字符以这种方式存储在latin-1数据库中的原因。

<强>反向：

要反转它，我们需要Latin-1个字节到UTF8个字节。

如果我们尝试一下：
â为226.将latin-1转换为utf8会产生â Ã为195.将latin-1转换为utf8会产生Ã。

<强>问题：

问题是Latin-1的字符少于utf-8（很长一段时间） Latin1单字节流和UTF8多字节字符串流，因此utf8中的1个字符可以为latin1生成最多4个字符。
因此，UTF-8到Latin-1的转换会产生错误的字符 拉丁文1回到utf8是不可能的。

<强>解决方案：

如果您无法更改数据库的字符集，我可以建议在编写数据库之前在其字符实体中编码特殊字符（因此数据库可以保留为latin1和app作为utf8，因为两者都可以理解html实体）例如变音符号为Ä。
可以使用PHP html_entity_decode()结合mb_detect_encoding()来检测和转换特定字符。

<强>参考文献：

ltf.ed.ac.uk 请参阅 utf8字节到latin1字节：
http://www.ltg.ed.ac.uk/~richard/utf-8.cgi?input=%C3%96&mode=char

Answer 2

这些是UTF-8中的字符串，但显示为latin1。在UTF-8中é和€用两个字节编码，这就是当字符串被解释为latin1时你看到两个字符的原因。所以你要做的是将UTF-8数据存储在一个未声明为UTF-8的表中。您应该更改数据库*和连接**的编码，然后您将获得数据的一致表示

*）例如，请参阅此处：https://stackoverflow.com/a/6184788/664108（案例2 ）

SQL中的

**）SET NAMES 'utf8'