PHPは内部的にどのように文字列を表しますか？

UTF8？
UTF16？

PHPの文字列も使用されているエンコーディングを追跡しますか？

たとえば、このスクリプトを見てみましょう。私が実行すると言う：

$original = "शक्नोम्यत्तुम्";

実際に何が起こりますか？

明らかに、$original7文字しか含まれないと思います。それらのグリフはそれぞれ、数バイトで表される必要があります。

それから私は：

$converted = mb_convert_encoding ($original , "UTF-8");

どうなり$convertedますか？とどう$converted違うの$original？

それはまったく同じバイトシーケンス$originalですが、異なるエンコーディングを使用していますか？

PHP文字列はバイトシーケンスであり、タグ付けされたエンコーディングは一切ありません。文字列値は、クライアント（HTTP経由）、データベース、ファイル、またはソースコードの文字列リテラルなど、さまざまなソースから取得できます。PHPはこれらすべてをバイトシーケンスとして読み取り、エンコード情報を抽出しません。

すべてのデータソースと宛先が同じエンコーディングを使用している限り、PHPが文字ではなくバイトをカウントするため、起こりうる最悪の事態は文字列の位置が間違っていることです（マルチバイトエンコーディングを使用する場合）。

ただし、エンコードが一致しない場合（たとえば、UTF-8として保存されたソースファイルに文字列リテラルを記述し、Latin-1を予期するデータベースに送信する場合）、PHPは変換を実行しません。幸いにもraw経由でバイトをコピーします。

最も簡単な解決策は次のとおりです。

• PHPの内部エンコーディングをUTF-8に設定します。
• すべてのソースファイルをUTF-8として保存します。
• 出力エンコードとしてUTF-8を使用します（適切なContent-typeヘッダーを送信することを忘れないでください）。
• UTF-8を使用するようにデータベース接続を設定します（SET NAMES UTF8MySQLで）。
• 可能な限り、他のすべてをUTF-8に構成します。
• 制御できないもの（サードパーティのWebサービスなど）については、エンコードを確認し、できるだけ早くUTF-8に変換し、できるだけ遅く他のエンコードに戻します。

なぜUTF-8なのか？すべてのUnicode文字を表現できるため、既存のすべての7ビットおよび8ビットエンコーディングに取って代わり、ASCIIとバイナリ互換性があるため、つまり、すべての有効なASCII文字列は有効なUTF-8文字列でもあります（vvではありません） 。）。

あなたの例では、これが起こります。

まず、ソースファイルを保存します。テキストエディターはおそらくUTF-8を使用するように構成されているため、文字列リテラルはディスク上でエンコードされたUTF-8になります。PHPはこのファイルを読み取り、文字列を一連のバイトとして解釈します。$originalUTF-8でエンコードされた7文字の文字列を保持するようになりました。これは単なるバイトシーケンスです（ただし、各文字は2バイト以上で表されるため、7バイト以上含まれています）。次にを呼び出すecho $originalと、エンコードされた文字列がそのままクライアントに送信されます。クライアントにUTF-8を期待するように指示した場合、すべては問題ありませんが、そうでない場合、PHPは違いを伝える方法がなく、ブラウザでゴミが発生します。実験として、これを試してください：

$original = "शक्नोम्यत्तुम्";
echo strlen($original);

strlen はエンコードに依存せず、固定幅の8ビットエンコード、つまり文字ごとに1バイトを想定しているため、文字ではなくバイトをカウントします。