中文(繁體)
中文(繁體)
在使用PHP 進行多字節字符串處理時， mb_get_info()和mb_strtolower()是兩個常見的多字節函數。然而，當這兩個函數搭配使用時，如果忽略了字符集的設置，可能會引發意料之外的字符串處理問題，尤其是當處理非ASCII 字符如中文、日文、俄文等內容時。
本文將探討常見的問題以及如何通過正確的字符集配置來避免這些問題。
PHP 的mb_strtolower()函數用於將多字節字符串轉換為小寫字母，但它依賴當前的多字節字符集環境。這個環境由mb_internal_encoding()設置，也可以通過在函數調用時傳入字符集參數來覆蓋。
而mb_get_info()函數則用於獲取當前多字節配置，包括默認的字符集信息。如果mb_strtolower()在字符集配置不當的情況下被調用，處理多字節字符串（特別是UTF-8）時就可能出現亂碼或轉換不正確的問題。
以下是一個典型示例：
<?php
mb_internal_encoding("ISO-8859-1"); // 錯誤地設置為非 UTF-8 編碼
$str = "üBERGANG";
$lower = mb_strtolower($str); // 沒有指定字符集
echo $lower;
?>
輸出結果可能不是預期的übergang ，而是亂碼或不變。這是因為當前的字符集不是UTF-8，導致函數無法正確識別多字節字符。
使用mb_get_info()可以查看當前的編碼設置：
<?php
print_r(mb_get_info());
?>
輸出中的"internal_encoding"字段是關鍵，如果這裡不是"UTF-8" ，則說明環境可能不適合處理多語言內容。
<?php
mb_internal_encoding("UTF-8"); // 全局設置為 UTF-8
$str = "üBERGANG";
$lower = mb_strtolower($str);
echo $lower; // 輸出：übergang
?>
<?php
$str = "üBERGANG";
$lower = mb_strtolower($str, "UTF-8");
echo $lower; // 輸出：übergang
?>
這種方式更加穩健，即使系統默認編碼不是UTF-8，也不會受到影響。
當處理來自網頁表單、API、數據庫等輸入數據時，常常容易忽略編碼的統一。例如，前端使用UTF-8 編碼傳入字符串，但後端PHP 環境仍使用ISO-8859-1，就會導致字符串操作失效。
因此，確保整套系統統一使用UTF-8 編碼是避免此類問題的根本辦法。
使用mb_get_info()查看配置，確保"internal_encoding"是"UTF-8" 。
始終對多字節函數顯式傳入字符集，避免依賴默認值。
在入口處統一設置字符集，如在框架初始化或配置文件中加上：
mb_internal_encoding("UTF-8");
mb_http_output("UTF-8");
mb_regex_encoding("UTF-8");
處理URL 參數時確保使用mb_convert_encoding()對輸入做轉換，例如：
$url = "https://gitbox.net/über";
$url_utf8 = mb_convert_encoding($url, "UTF-8", "auto");
mb_get_info()與mb_strtolower()組合使用時，常見的字符集問題通常源於默認編碼不是UTF-8。通過檢查並統一設置字符集，或者在調用函數時手動指定字符集，可以有效避免這些問題，確保程序在處理多語言文本時的準確性與穩定性。
始終記住，字符集混亂是國際化項目中最隱蔽但最致命的問題之一，寧願繁瑣點，也別怕顯式地設置編碼。預防遠勝於調試。
