Настройка UTF-8 в PHP для корректного отображения и обработки текста

Расширенные примеры работы с кодировкой UTF-8 в PHP

1. Многобайтовые строковые операции (mbstring)

$text = 'Привет, мир!';
// Длина строки в символах (а не байтах)
echo mb_strlen($text, 'UTF-8'); // 13
// Обрезка строки до 5 символов
echo mb_substr($text, 0, 5, 'UTF-8'); // Приве
// Поиск позиции подстроки
echo mb_strpos($text, 'мир', 0, 'UTF-8'); // 8

13
Приве
8

Пояснение: Без использования mb_* функций операции над строками в UTF-8 могут дать неверный результат из-за многобайтовой природы кодировки.

2. Конвертация содержимого файла из Windows-1251 в UTF-8

$inputFile = 'old_file.txt';  // файл в Windows-1251
$outputFile = 'new_file.txt'; // файл в UTF-8

$content = file_get_contents($inputFile);
if ($content === false) {
    die('Не удалось прочитать файл');
}
$converted = mb_convert_encoding($content, 'UTF-8', 'Windows-1251');
file_put_contents($outputFile, $converted);
echo "Файл сконвертирован.";

Файл сконвертирован.

Вариант с потоковым фильтром для больших файлов (экономия памяти):

$src = fopen('old_file.txt', 'r');
$dst = fopen('new_file.txt', 'w');

stream_filter_append($src, 'convert.iconv.Windows-1251/UTF-8');
stream_copy_to_stream($src, $dst);

fclose($src);
fclose($dst);
echo "Конвертация выполнена через поток.";

Проблема: Потоковый фильтр может не работать, если не установлено расширение iconv.

3. Преобразование кодировки всего массива данных

$data = [
    'name' => 'Иван',
    'city' => 'Москва',
];
$utf8Data = mb_convert_variables('UTF-8', 'Windows-1251', $data);
// $data теперь в UTF-8, $utf8Data содержит количество сконвертированных символов
echo $utf8Data; // 2 (два элемента с кириллицей)
print_r($data);

2
Array
(
    [name] => Иван
    [city] => Москва
)

Применение: Обработка массивов, полученных из старой базы данных или CSV-файла.

4. Отправка email с UTF-8 заголовками

$to = 'user@example.com';
$subject = '=?UTF-8?B?' . base64_encode('Тема письма') . '?=';
$message = 'Содержимое письма на русском.';
$headers = "MIME-Version: 1.0\r\n";
$headers .= "Content-type: text/plain; charset=utf-8\r\n";
$headers .= "From: sender@example.com\r\n";

if (mail($to, $subject, $message, $headers)) {
    echo "Письмо отправлено.";
} else {
    echo "Ошибка отправки.";
}

Пояснение: Заголовок Subject должен быть закодирован в base64 или Q-кодировке для корректной передачи UTF-8 символов. Аналогично кодируются другие заголовки (From, Reply-To) при необходимости.

5. Работа с CSV-файлом в UTF-8 с BOM для Excel

$handle = fopen('utf8_bom.csv', 'w');
// BOM (Byte Order Mark) для UTF-8: \xEF\xBB\xBF
fwrite($handle, "\xEF\xBB\xBF");

$data = [
    ['Имя', 'Возраст'],
    ['Анна', 25],
    ['Пётр', 30],
];

foreach ($data as $row) {
    fputcsv($handle, $row, ',', '"');
}
fclose($handle);
echo "CSV с BOM создан.";

CSV с BOM создан.

Зачем BOM: Microsoft Excel при открытии CSV-файла без BOM может неправильно интерпретировать кодировку. BOM помогает Excel определить UTF-8.

6. Использование mb_ereg для работы с регулярными выражениями в UTF-8

mb_regex_encoding('UTF-8');
$text = 'Телефон: +7 (123) 456-78-90';
if (mb_ereg('\+7\s\(\d{3}\)\s\d{3}-\d{2}-\d{2}', $text, $matches)) {
    echo "Найден номер: " . $matches[0];
}

Найден номер: +7 (123) 456-78-90

Совет: Для сложных Юникод-выражений используйте preg_match с модификатором u, так как mb_ereg имеет ограниченную поддержку.

7. Настройка mbstring.func_overload – предостережение

// php.ini: mbstring.func_overload = 7
// Это переопределит strlen, substr и другие стандартные функции на mb_* версии
// Настоятельно не рекомендуется из-за проблем с совместимостью.

Результат: Если всё же используется, необходимо проверять, что сторонние библиотеки не полагаются на байтовое поведение.