Memorizzare i dati di un form in MySQL con PHP e codifica UTF-8

Lavorare con la codifica UTF-8 e ritrovarsi ad avere problemi può essere molto frustrante, trattandosi di qualcosa di cui non possiamo facilmente eseguire un debug. Se siete nella situazione di dover memorizzare in MySQL i dati provenienti da un form attraverso PHP e utilizzando la codifica UTF-8, questa piccola guida vi dovrebbe aiutare.

Spesso il problema principale è quello di individuare il motivo per cui nel db i dati non vengono memorizzati correttamente. Ma andiamo con ordine, di seguito una checklist delle cose da fare:

1. Specificare sempre la codifica utilizzata nell'HEAD HTML delle pagine interessate, ovviamente dovrà essere "utf-8".
2. Accertarsi che la codifica dei file sia utf-8. Se il vostro IDE non vi permette di verificarlo scaricate Notepad++ vi permetterà di giocare facilmente con le conversioni.
3. Utilizzare il collation "utf8_generic_ci" per il database, le tabelle ed i campi.
4. Settare il charset della connessione mysql.

Il primo punto lo si risolve facilmente mettendo un tag META come primo tag all'interno dell'HEAD della pagina:

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

Il secondo consiste nell'impostare la codifica utilizzata per il file che contiene il sorgente, quindi il charset del file. Se il nostro IDE non ci permette di verificarlo o di modificarlo, Eclipse ce lo permette ad esempio, basta scaricare ed installare Notepad++. Grazie a questo programma, un notepad molto utile, oltre a tante altre cose, potrete divertirvi a convertire le codifiche dei vostri file, selezioniamo "Converti in UTF-8 senza BOM" dal menu "Formato".

Terza cosa, utilizzare il collation "utf8_generic_ci", per il database, le tabelle ed i campi. In questo modo memorizzeremo il testo come utf-8 senza distinzione tra maiuscole e minuscole (ci = case insensitive). Ovviamente quando andremo a comporre le nostre query queste dovranno essere testo UTF-8, così come i campi che andremo a concatenare nella stringa della query. Quindi il DB in ingresso si aspetterà stringhe UTF-8 e in uscita produrrà stringhe in UTF-8.

Infine l'ultima cosa sarà quella di impostare la codifica della connessione, cosa non scontata e soprattutto non di facile individuazione quando si tratta di risolvere i problemi di visualizzazione del testo in UTF-8. Con PHP lo facciamo nel seguente modo:

// apriamo una connessione al database
mysql_connect('server', 'utente', 'password');
 
// impostiamo la codifica della connessione
mysql_set_charset('utf8'); // attenzione è 'utf8' NON 'utf-8'

Se utilizziamo Doctrine possiamo impostare la connessione così:

$conn = Doctrine_Manager::connection();
$conn->setCharset('utf8');

Se invece utilizziamo altri linguaggi che non hanno la funzione specifica possiamo semplicemente impostarla attraverso la query:

SET NAMES 'utf8'