使用mb_convert_encoding函数是否是一种好习惯

Question

这个问题与 UTF-8 一直不同，因为它询问安全性以及使用 mb_convert_encoding 函数是否是一种好习惯。

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，用户上传的名称不是 UTF-8 编码的文件，然后导入到数据库中。问题是未使用 UTF-8 编码的字符被打乱，并且不会在表列中按预期显示。

我正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'); 
}

这看起来是否是一种很好的做法，如果我返回 UTF-8 作为输出，用户的客户端会正确显示和转换它吗？使用 mb_convert_encoding 是否会丢失字节？

谢谢

Answer 1

如果要转换编码，则需要知道要转换的内容。您可以检查编码是否有效 UTF-8，但如果它告诉您它不是有效的 UTF-8，那么您仍然不知道它是什么。从mb_convert_encoding中省略$from_encoding参数只会让它假定该参数的一些预设编码，但这并不意味着$content实际上在该编码中。

换句话说：如果你不知道字符串的编码是什么，你也无法有意义地将其转换为其他任何东西，只是试图转换它是一个̄\_(ツ)_/̄废话，结果同样可能是有用的和完全垃圾。

如果遇到未知编码，则只有以下几种选择：

1. 拒绝输入值。
2. 测试它是否是少数其他预期编码之一，然后从您的最佳猜测中显式转换; 但这几乎也是一个废话。
3. 只需在值上使用bin2hex或类似的东西，基本上放弃尝试正确解释它，但仍然保留一些原始值的外观。