在不远的曾经，如果应用需要支持国际化(i18n),则需要应用程序能够使用不同的字符集和编码输入、存储和输出数据。 不同的字符集都可以展现和编码定义好的字符，但是一个字符集不能使用另一个字符集来显示。 当人们受不了这种不兼容时，人们开始考虑使用一种标准的字符集和编码来统一这个世界。 于是，在1991年，Unicode产生了。 它涵盖了所有已知的可写语言的所有字符的字符集。而UTF-8编码只是UNICODE的一种变长度的编码表达方式。
维基百科中对于UTF-8编码的解释是： UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码（定长码）， 也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容， 这使得原来处理ASCII字符的软件无须或只须做少部份修改，即可继续使用。
UTF-8适用于紧凑地存储拉丁字母。UTF-8编码的一个优点是它可以编码成字节流，这样可以将透明化底层的体系架构。
UTF-8字节布局
| 字节数 | 位数 | UTF-8字节流 |
|---|---|---|
| 1 | 7 | 0xxxxxxx |
| 2 | 11 | 110xxxxx 10xxxxxx |
| 3 | 16 | 1110xxxx 10xxxxxx 10xxxxxx |
| 4 | 21 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 5 | 26 | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 6 | 31 | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 7 | 36 | 11111110 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 8 | 42 | 11111111 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
BOM是Byte Order Mark的简称, 它出现在Unicode流的开头部分，用来说明编码类型。因为系统可能是big endian，也可能是little endian, 或者是多字节的Unicode编码.把BOM放置在文件开头部分，利用它来判断字节序。
在UTF-8编码中，BOM没有太大的意义，并且不推荐使用它。在HTML或XML的文件开头放置BOM,可能会导致无法解析。 在PHP中，如果头部有BOM,则可能会出现网页头部多一行、导致网页出现乱码或者其它不可预知的错位或错误， 因此，我们应该避免在PHP模板文件或源码代码文件的开头放置BOM。 但是Windows下，有些程序会默认给utf-8文件添加BOM，此时需要手动清除BOM头， 如果此类文件太多，可以考虑写程序遍历指定目录下所有文件，清除开头的BOM.
如果要告诉浏览器你输出的编码格式，在PHP中可以使用：
header("Content-Type: text/html; charset=utf-8");
除了这种PHP的方式，也可以使用meta标签设置编码：
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
对于xml文档，它可以直接支持编码作为xml的一部分。
<?xml version="1.0" encoding="utf-8" ?>在PHP中,内置的字符串函数并不支持多字节的字符串，Unicode需要mbstring扩展支持，此扩展重载了现有的字符串处理函数。 PHP6计划将Unicode支持内置到语言中。
如果我们的Mysql是使用utf-8编码，则在执行查询前经常会使用
SET names utf8;它的作用相当于执行下面的三条语句：
SET character_set_client = utf8;SET character_set_results = utf8;SET character_set_connection = utf8;
在应用中出现编码问题，一个比较笨却有效的办法是将PHP文件，mysql客户端，mysql服务器端，前端页面，全部统一用utf-8编码。 另外在phpMyAdmin中有多种字符集，其中utf8_unicode_ci和utf8_general_ci是最常用的， 但是utf8_general_ci对某些语言的支持有一些小问题，如果可以接受， 那最好使用utf8_general_ci，因为它速度快。否则，请使用较为精确的utf8_unicode_ci，不过速度会慢一些。
在应用开发过程中，如果需要验证输入是否为UTF-8序列，则可能需要写代码实现相关功能。 虽然我们可以指定前端页面为UTF-8，但是我们并不能控制到服务器的数据一定是从指定的页面发送的。 因此，我们需要识别UTF-8编码。
/** * 识别UTF-8编码 判断一个字符串是否为utf-8编码 2011-04-18 sz * @author phppan.p#gmail.com * http://www.phppan.com * 哥学社成员（http://www.blog-brother.com/） * TIPI团队成员（http://www.php-internal.com/） * @package blog *//** * 判断一个字符串是否为utf-8编码 方法一 * 依据UTF-8编码的字节布局，以逆向思维，通过判断其不是UTF-8编码来判断正确性。 * 此算法来源于<<Building Scalable Web Sites>> * @param <type> $string */function is_utf8($string) { $pattern = '[\xC0-\xDF]([^\x80-\xBF]|$)'; // 匹配110xxxxx，其后应该有1个字节，如果此字节无法匹配10xxxxxx，或为结束符，则不是utf-8 $pattern .= '|[\xE0-\xEF].{0,1}([^\x80-\xBF]|$)'; //匹配1110xxxx，其后应该有2个字节， $pattern .= '|[\xF0-\xF7].{0,2}([^\x80-\xBF]|$)';//匹配11110xxx，其后应该有3个字节， $pattern .= '|[\xF8-\xFB].{0,3}([^\x80-\xBF]|$)';//匹配111110xx，其后应该有4个字节， $pattern .= '|[\xFC-\xFD].{0,4}([^\x80-\xBF]|$)';//匹配1111110x，其后应该有5个字节， $pattern .= '|[\xFE-\xFE].{0,5}([^\x80-\xBF]|$)';//匹配1111110，其后应该有6个字节， $pattern .= '|[\x00-\x7F][\x80-\xBF]'; $pattern .= '|[\xC0-\xDF].[\x80-\xBF]'; $pattern .= '|[\xE0-\xEF]..[\x80-\xBF]'; $pattern .= '|[\xF0-\xF7]...[\x80-\xBF]'; $pattern .= '|[\xF8-\xFB]....[\x80-\xBF]'; $pattern .= '|[\xFC-\xFD].....[\x80-\xBF]'; $pattern .= '|[\xFE-\xFE]......[\x80-\xBF]'; $pattern .= '|^[\x80-\xBF]'; return preg_match("!$pattern!", $string) ? FALSE : TRUE;}/** * 网上流传的一个验证方法 方法二 * @link http://www.w3.org/International/questions/qa-forms-utf-8.en.php * @param <type> $string * @return <type> */function is_utf8($string) { $pattern = '/^(?:'; $pattern .= '[\x09\x0A\x0D\x20-\x7E]'; # ASCII $pattern .= '|[\xC2-\xDF][\x80-\xBF]'; # non-overlong 2-byte $pattern .= '|\xE0[\xA0-\xBF][\x80-\xBF]'; # excluding overlongs $pattern .= '|[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}'; # straight 3-byte $pattern .= '|\xED[\x80-\x9F][\x80-\xBF]'; # excluding surrogates $pattern .= '|\xF0[\x90-\xBF][\x80-\xBF]{2}'; # planes 1-3 $pattern .= '|[\xF1-\xF3][\x80-\xBF]{3}'; # planes 4-15 $pattern .= '| \xF4[\x80-\x8F][\x80-\xBF]{2}'; $pattern .= ')*$/xs'; return preg_match($pattern, $string);}/** * 判断字符串是否为utf8编码 方法三 * @param <type> $string * @return <type> */function is_utf8($string) { if (preg_match("/^([" . chr(228) . "-" . chr(233) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}){1}/", $string) == TRUE || preg_match("/([" . chr(228) . "-" . chr(233) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}){1}$/", $string) == TRUE || preg_match("/([" . chr(228) . "-" . chr(233) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}[" . chr(128) . "-" . chr(191) . "]{1}){2,}/", $string) == TRUE ) { return TRUE; } return FALSE;}
第一种和第二种基本类似，结果也基本类似，但是对于“营业”等字符串无法准确的识别。 第三种方法对于上面提到的字符串可以正确识别，但是对于“欧舒丹”等字符串却无法识别。
联系客服
