Как в php добавлять в базу и обрабатывать тексты разных кодировок?

Question

[alexh7854]

Здравствуйте.

Есть такая задача - на сайт можно загружать текстовые файлы. Файлы разбиваются на страницы по 2000 символов и потом текст можно просматривать по страницам. Также текст обрабатывается регулярками.
Сайт мультиязычный, загружать можно тексты на любом языке.

Не совсем понимаю что делать с кодировками? По умолчанию везде вроде используется unicode / utf-8.

Но что делать если кодировка файла не utf-8?
Какую кодировку выбрать для базы данных? Как избежать проблем с регулярками, они вроде не работают если кодировка не unicode.

Пытался загрузить текст в другой кодировке, возникает ошибка из-за кодировки Incorrect string value: '\xF0\x90\x8D\x83\xF0\ .

Поменял кодировку базы на utf8mb4, затем на utf-32, но ошибка все равно осталась.

Answer 1

[Pavel]

Но что делать если кодировка файла не utf-8?

Конвертировать в UTF-8 и работать дальше.

Comments

[predewill]

а если исходная кодировка не известна, а функции для конвертации текста в php возвращают false?

[SagePtr]

predewill, к примеру, хранить бинарно в BLOB'е в виде байт, а не в виде текста.

Answer 2

[Евгений Матвеев]

iconv()