我需要通过HTTP Post / get获得正确长度的unicode文本。
“हेल्लोस्टैकओवरफ्लो”
当我将浏览器的字符编码设置为Unicode时，那么 mb_strlen（$ text）给出了正确的unicode字符串长度，即20。
但是当我使用编码为'ISO-8859-1'的浏览器提交表单时，它表现得很奇怪。 mb_strlen（$ text）给出了unicode字符串的字节长度，这是128，这是错的，也是
mb_detect_encoding（$ text，“auto”）返回ascii。 而 mb_detect_encoding（$ text，“UTF-8”）返回UTF-8。
无论浏览器字符集如何，我都需要正确长度的unicode文本。
任何人都可以帮我解决这个问题吗？
此致 的Sandip
答案 0 :(得分：2)
ISO-8859-1，又名西欧字符集，是指扩展的罗马字母，它不包括您在上面指定的字符（是印地语吗？我不太熟悉这些语言）。 mb_detect_encoding调用不会检测到您的编码，因为您将字符修改为ISO-8869-1，它不支持您提供的字符。
您应指定支持您需要显示的字符类型的编码。 UTF-8可能是你最好的选择。您可以使用Content-Encoding标头在HTTP标头中显式设置编码。您也可以在HTML中的meta标记中重复此操作，以获得最大支持。
答案 1 :(得分：1)
无论浏览器字符集如何，我都需要正确长度的unicode文本。
如果您不知道编码，则无法知道长度。一串字节可以同时表示不同编码中的不同有效字符串。 mb_detect_charset只会给你一个不可靠的猜测。
许多现代浏览器都支持他们告诉你他们使用了什么编码，这是一种偷偷摸摸的方式，包括这种黑客攻击（源自IE）：
<input type="hidden" name="_charset_"/>
然后，您将获得在该字段中提交的编码名称，理论上您可以将mb_convert_encoding用于收到UTF-8的字符串用于进一步处理。您肯定希望将所有字符串保存在脚本中的单个编码中，只在必要时转换为输入/输出端的其他编码;试图在任意编码中跟踪字节串是非常不愉快的。
但是，您无法将包含हेल्लो...的ISO-8859-1字符串转换为UTF-8，因为ISO-8859-1不能包含这些字符。您的数据已经损坏，如deceze所述：当您以不包含字符的编码提交表单数据时，浏览器会使用HTML &#...;字符引用来转义它们。这是一个无法准确恢复的有损转换，因为您无法区分这些转义与用户最初键入的实际＆符号和哈希序列之间的区别。永远不要依赖这种长期但又古怪且不受欢迎的行为。
一般来说，确保表单提交始终使用涵盖您可能需要的所有字符的已知编码，确实更好。这样您就不必担心转换，或者是否存在任何字符引用错误。为此目的唯一合理的编码是UTF-8。 （UTF-16除了普遍效率低之外还有一些浏览器问题。）
浏览器使用与显示页面相同的编码提交表单，因此请使用Content-Type: text/html;charset=utf-8标题和/或<meta http-equiv="Content-Type" content="text/html;charset=utf-8"/>等效项来指定页面编码，而不是让浏览器猜测。然后，它将使用该编码进行表单提交。
唯一剩下的皱纹是，如果用户故意覆盖带有表单的页面编码，您将收到错误的数据提交。除非您的页面已经损坏，否则这种情况不太可能发生，所以通常不值得打扰。
如果您想要涵盖这种可能性，可以在表单上设置属性accept-charset。然而！这在IE中不起作用，IE只将accept-charset视为后备建议，因为它的表单数据不符合页面的自然编码。如果你想确保你获得UTF-8，即使面对用户将编码更改为其他内容，你也必须在表单中包含一些数据，这些数据不能用任何其他编码进行编码。能够挑选。传统的做法是：
<form accept-charset="utf-8">
<input type="hidden" name="unicodesnowman" value="☃"/>
...