Занялся вопросом декодирования запросов переданых в URL. Имеется в виду отправка данных скрипту через url при использовании mod_rewrite. Пример работы можете увидеть в на Wikipedia.org. Если мы пишем в адресную строку, или создаём такую ссылку: http://ru.wikipedia.org/wiki/Слово , то движок вики получает “Слово” в url-закодированном виде, раскодирует его и пытается найти в базе это “Слово”.

Знаем, что Вики базируется на utf-8 кодировке, скорей всего база тоже. Но при получении “Слова” в адресной строке оно не будет закодировано в UTF-8 формат. Оно передаётся в формате ASCII (как показывает функция mb_detect_encoding).

Результатом моих иследований стал тот факт, что код привеённый ниже, конвертирует введённый латышский текст (со всеми специфическими (Baltic) символами) в UTF-8 формат.

$word = mb_convert_encoding(urldecode($source_word), "UTF-8", "auto");

Но этот же код не работает для кирилицы – выводит ошибку о недопустимых символах. Для неё необходим такой код:

$word = mb_convert_encoding(urldecode($source_word), "UTF-8", "WINDOWS-1251");

Получается, что если я хочу правильно конвертнуть всё в UTF-8, мне нужно написать такой код:


if(mb_convert_encoding($source_word, "UTF-8", "auto"))
$word = mb_convert_encoding(urldecode($source_word), "UTF-8", "auto");
else
$word = mb_convert_encoding(urldecode($source_word), "UTF-8", "WINDOWS-1251");


Вопросы php-программистам:

1. От чего зависит кодировка в которой отправляются данные серверу через URL? От сервера, от клиента или это какой-то стандарт? Всё тот же mb_detect_encoding возвращает ASCII и для латышского и для русского языков.
2. Если параметр “auto” работает для балтийских языков, то работает ли он для западноевропейских языков? А windows-1251 будет ли работать для украинского и беларусского?
3. Существует ли универсальный код правильно кодирующий данные из URL в UTF-8? Или у той же Вики в базе просто список кодировок на каждый язык?