php下GB跟UTF-8编码的互相转换

    在php程序开发中，有时候要遇到GB2312(GBK)码跟UTF-8之间转换的问题， 
尤其是用php进行WAP开发的时候。因为手机能够显示的是UTF-8编码，通过WAP 
提交的文字也是用UTF-8编码。为了能够正常显示和处理用户输入的中文，经常 
会遇到GB2312(GBK)跟UTF-8之间的转码问题。 
    目前在网上能够找到GB2312->UTF-8的php示例程序，而UTF-8->GB2312(GBK) 
的转码程序我没有找到。另外，Jsp/Java下有现成的转码函数，其实linux平台 
下的php也有现成的函数，只是默认php编译的时候没有加载该模块。 
    基于以上考虑，本人在原有GB2312->UTF-8转码程序的基础上，写了一个 
UTF-8到GB的转码程序。另外，在第二部分讲了一下如何配置和使用php自带的 
函数来进行转码。 
 
【第一部分】使用GB跟Unicode码表进行转换 
    汉字的GB2312/GBK(以下简称GB)跟Unicode的汉字编码之间有一个一一对应 
的关系，有一张码表列出了他们的对应关系。不过这个码表中GB码跟实际的php 
中用bin2hex函数获得GB码值（ASCII）之间差了0x8080，需要做一下处理。 
 
1、GB->UTF-8 
    中国php联盟上有这样一篇文章写了如何转换，该文章为 
     http://www.phpx.com/show.php?d=col&i=58    
    这篇文章就是基于上面的码表来转换的，该码表也在哪有得下载 
     http://www.phpx.com/download/utf8/gb2312.txt 
     
    但是这篇文章只给出了GB->UTF-8和Unicode->UTF8的转码函数，缺少一个 
UTF-8到GB的转码函数。参考他的文章，本人写了一个这样的函数。 
    另外，我将他写的函数用类进行封装了一下，写了一个convert类。因为原 
文每次调用转码函数都要读取一次gb2312.txt文件，而I/O操作非常好时间，如 
果一个php文件中多次调用这个函数的话，严重影响响应速度。因此用一个类来 
封装，在类的构造函数里读取gb2312.txt，这样一个php实例化一个convert， 
只需进行一次I/O操作。我做个一个测试，封装好的转码函数，运行10000次需 
要3秒，而原来的函数运行100次用了16秒。         
    该类的部分代码如下： 

class  convert { 
     
     // gb2312和utf-8对应的编码文件 
     var   $filename   =   " /usr/local/system/phplib/gb2312.txt " ;            
     
     var   $codetable   =   array ();              // 码表读取后存入这个数组 
     
    //构造函数 
     function  convert() { 
         $tmp   =   file ( $this -> filename); 
         while (  list ( $key , $value )  =   each ( $tmp ) ) 
 
             $this -> codetable[ hexdec ( substr ( $value , 0 , 6 ))]  =   
                  substr ( $value , 7 , 6 ); 
    } 
     
     // GB->UTF-8 
     function  toUTF8( $gb ) { 
         // 转换过程可参考上面列出的文章，这里就不贴了 
         return   $utf8 ;         
    } 
     
}     

 
2.UTF-8->GB 
    上面给出的那个gb2312是gb跟Unicode之间的对应关系，而UTF-8跟Unicode之 
间也有一个转换，要从UTF-8->GB，就必须先从UTF-8->Unicode，再用上面的表来 
Unicode->GB. 
    UTF-8是Unicode的Transformation Format，因为Unicode编码中存在着 
0x0034酱紫的字符，这个字符的高位字节是0x00，跟C语言下string的结束标 
志/0冲突，会引起判断字符串结束的混乱，因此有了个Transformation  
Format ---UTF-8。 
 
    从Unicode 到UTF-8的标准可参见RFC-2279，其实主要的一点我们需要知道 
下面这张对应的转换关系： 
   UCS-4 range (hex.)           UTF-8 octet sequence (binary) 
   0000 0000-0000 007F   0xxxxxxx 
   0000 0080-0000 07FF   110xxxxx 10xxxxxx 
   0000 0800-0000 FFFF   1110xxxx 10xxxxxx 10xxxxxx 
 
   0001 0000-001F FFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
   0020 0000-03FF FFFF   111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
   0400 0000-7FFF FFFF   1111110x 10xxxxxx ... 10xxxxxx 
 
这张表左边一列是Unicode编码，右边一列是UTF-8编码。汉字的编码范围在第三 
行。这个表的意思(以第三行汉字为例）：汉字编码是双字节，比如“爱”的 
Unicode编码为0x7231(在上面的gb2312中对应有），她的二进制编码是 
0111 0010 0011 0001 
根据上面的第三行，取“爱”的二进制后六位(0~5)，前面加10（为1011 0001)， 
再往前第6~11位前再加10（为1000 1000)，最高的四位前加1110（为1110 0111)， 
于是“爱”的UTF-8编码为： 
1110 0111 1000 1000 1011 0001 ( 0xe788b1) 
 
那么反过来UTF-8到Unicode的话，只要把UTF-8的二进制的第0~5,8~13,16~19位取 
出来组合成双字节的Unicode码就可以了。采用php的位操作（或，与，移位）就 
可实现 
 
$unicode = (($utf & 0x0F0000)>>4) | (($utf & 0x3F00)>>2) | ($utf &  
    0x3F); 
 
获得了Unicode值后，再从上面的gb2312.txt里找到对应的gb2312码，在该码上加 
上0x8080(因为上文说过，这个码表跟实际汉字bin2hex出来的值差0x8080，也就是 
汉字的最高位是为1）。 
 
于是，在上面的convert类中可以加上一个UTF2GB的函数。代码如下： 
    

function  UTF2gb( $str ) { 
         if (  ! trim ( $str ) ) 
             return   $str ; 
         $reverse   =   array (); 
         while (  list ( $key , $value )  =   each ( $this -> codetable) ) 
             $reverse [ hexdec ( $value )]  =   $key ; 
         $gb   =   "" ; 
         while ( $str ) { 
             if  (  ord ( substr ( $str , 0 , 1 )) > 0xE0   ) 
            { 
                 $tmp   =   substr ( $str , 0 , 3 ); 
                 $str   =   substr ( $str , 3 , strlen ( $str )); 
                 $utf   =   hexdec ( bin2hex ( $tmp )); 
                 $unicode   =  (( $utf   &   0x0F0000 ) >> 4 )  |  (( $utf   &   0x3F00 ) >> 2 ) 
                      |  ( $utf   &   0x3F ) ; 
                 $gb   =   $gb   .    pack ( " n " , ( $reverse [ $unicode ]) | 0x8080  ); 
            } 
             else  
            { 
                 $gb   =   $gb   .   substr ( $str , 0 , 1 ); 
                 $str   =   substr ( $str , 1 , strlen ( $str )); 
 
                 
            } 
        } 
         return   $gb ;         
    } 

    注：1、这里定义了一个新的Hashtable(其实是数组），把原来的codetable的 
key和value对调了一下，为了方便索引。而我没有把这个数组在Constructor中初始 
化，因为UTF-8->GB的函数我调用的比较少，为了程序优化考虑，放在了这里。 
        2、pack("n",bin_var)函数是把二进制编码转换为字符的一个函数，可参 
考php manual.