[dsxs]

Hallo Leute In einer Datenbank speichere ich alle eingehenden Emails (werden von einem Script ausgelesen und nach mySQL exportiert) Nun kommt es sehr oft vor, dass Sonderzeichen ganz komisch dargestellt werden. Bisher habe ich die beim Ausgeben im GUI jeweils noch von Hand dekodiert, aber das ist mühsam und rechenaufwändig. Ich möchte das Ganze nun optimieren und stelle mir die Frage, ob ich es mit einer Änderung der DB Kollation hinkriegen könnte. Zur Zeit ist latin1_swedish_ci eingestellt (fragt mich nicht wieso ) Welche Kollation würdet ihr mir empfehlen, unicode, UTF-8...? Besten Dank für die Hilfe, dsxs

[Flor1an]

Hoi latin1_swedish_ci ist irgendwie default oder sonst was, wenn ich über phpMyAdmin eine Tabelle erstelle hat sie die selbe Kollation.

Ich nutze sonst immer utf8_general_ci. Damit bin ich bis jetzt immer gut gefahren

[Basti]

„Collation“ bedeutet einfach Sortierfolge und wird nichts an der Darstellung deiner Zeichen ändern, sondern an der Reihenfolge deiner Datensätze bei Sortierten Abfragen.

Guck einfach mal, wie die Daten kodiert sind, die du importierst. Am besten wandelst du diese in UTF-8, z.B. mit mb_convert_encoding() und hältst deine komplette Anwendung in UTF-8. Wichtig dabei ist, dass du strlen() etc. anpassen musst, da UTF-8-Buchstaben ja aus mehreren Bytes bestehen können, dass du an den Browser den korrekten content-type-Header mitschickst (charset) und diese Angabe auch in der (X)HTML-Ausgabe änderst (XML-Deklaration und META-Tag).

Weiter musst du beachten, dass UTF-8-kodierte E-Mails von vielen MUAs nicht korrekt dargestellt werden. Musst du also wieder in Latin 1 umwandeln (iso-8859-1 oder -15).

Um die Kodierung rauszubekommen, kannst du die Daten einfach in ein Programm kopieren, bei dem du die Kodierung einstellen kannst, einen Texteditor also zum Beispiel. Auch im Browser kannst du das einstellen.

Generell kannst du annehmen, dass die Zeichen ü bedeuten, dass du eine UTF-8-kodierte Zeichenkette mit der Latin-1-Brille anschaust und Fragezeichen oder ähnliche Platzhalter, die nur ein Zeichen lang sind (je unverstandenem Buchstaben) deuten auf einen Latin-1-Text hin, der als UTF-8-Zeichenkette dargestellt wird.

Basti