使用mb_convert_encoding函数是一个好习惯

Question

这个问题与UTF-8 all the way through不同，因为它询问安全性如何，并且使用mb_convert_encoding函数是一种好习惯。

假设用户可以使用PHP API上传文件。每个文件名和路径都存储在PostgreSQL数据库表中，该表以UTF-8作为默认编码。

有时，用户上传名称不是UTF-8编码的文件，并将其导入数据库。问题是非UTF-8编码的字符是乱码的，不能在表格列中显示。

我在考虑在导入之前将以下内容添加到PHP代码中：

if ( ! mb_check_encoding($output, 'UTF-8') {
    $output = mb_convert_encoding($content, 'UTF-8'); 
}

这看起来是一个好习惯，如果我将UTF-8作为输出返回，它是否会被用户的客户端正确显示和转换？使用mb_convert_encoding会对字节造成潜在损失吗？

由于

Answer 1

如果您要转换编码，则需要知道从转换的内容。你可以检查编码是否有效UTF-8，但是如果它告诉你它不是有效的UTF-8那么你仍然不知道它是什么 。从$from_encoding省略mb_convert_encoding参数只会使其为该参数设置一些预设编码，但这并不意味着该编码中$content实际 。

换句话说：如果你不知道字符串是什么编码，你也不能有意义地把它转换成其他任何东西，只是试图从¯\ _（ツ）_ /¯转换它是一个crapshoot与结果同样可能是有用的东西和彻底的垃圾。

如果您遇到未知编码，您只有几个选择：

1. 拒绝输入值。
2. 测试它是否是少数其他预期编码之一，然后明确转换为您的最佳猜测;但这也是一个废话。
3. 只需在值上使用bin2hex或类似内容，基本上放弃尝试正确解释它，但仍然保留原始值。