关于 iconv UCS-2 中文乱码问题

//unicode ---> gb2312 
function unescape($str) { 
$str = rawurldecode($str); 
preg_match_all("/(?:%u.{4})|&#x.{4};|&#\d+;|.+/u",$str,$r); 
$ar = $r[0]; 
//print_r($ar); 
foreach($ar as $k=>$v) { 
    if(substr($v,0,2) == "%u") 
      $ar[$k] = iconv("ucs-2","gb2312",pack("h4",substr($v,-4))); 
    elseif(substr($v,0,3) == "&#x") 
      $ar[$k] = iconv("ucs-2","gb2312",pack("h4",substr($v,3,-1))); 
    elseif(substr($v,0,2) == "&#") { 
//echo substr($v,2,-1)."<br>"; 
      $ar[$k] = iconv("ucs-2","gb2312",pack("n",substr($v,2,-1))); 
    } 
} 
return join("",$ar); 
}

今天有用户反馈，表单系统用户提交的数据中文会乱码。测试发现问题出在 iconv 转换上。

iconv('UCS-2', 'GBK', '中文')

Google 搜索发现，原因是 Linux 服务器上 UCS-2 编码方式与 Winodws 不一致。

于是，我改成 iconv('UCS-2BE', 'GBK', '中文') 试试，中文正常了。

比较奇怪的是，本地使用 UCS-2BE 居然也能正常显示，另外，化龙巷上也是 Linux 服务器，并没有设置也能正常处理。

以下是有关两个平台 UCS-2 编码的潜规则：

1, UCS-2 不等于 UTF-16。 UTF-16 每个字节使用 ASCII 字符范围编码，而 UCS-2 对每个字节的编码可以超出 ASCII 字符范围。UCS-2 和 UTF-16 对每个字符至多占两个字节，但是他们的编码是不一样的。

2, 对于 UCS-2, windows 下默认是 UCS-2LE。用 MultibyteToWidechar（或者A2W）生成的是 UCS-2LE 的 unicode。windows记事本可以将文本保存为 UCS-2BE，相当于多了层转换。

3, 对于 UCS-2, linux 下默认是 UCS-2BE。用iconv(指定UCS-2)来转换生成的是 UCS-2BE 的 unicode。如果转换windows平台过来的 UCS-2, 需要指定 UCS-2LE。

4, 鉴于windows和linux等多个平台对 UCS-2 的理解不同（UCS-2LE,UCS-2BE）。MS 主张 unicode 有个引导标志(UCS-2LE FFFE, UCS-2BE FEFF)，以表明下面的字符是 unicode 并且判别 big-endian 或 little-endian。 所以从 windows 平台过来的数据发现有这个前缀，不用慌张。

5, linux 的编码输出，比如从文件输出，从 printf 输出，需要控制台做适当的编码匹配（如果编码不匹配，一般和该程序编译时的编码有若干关系），而控制台的转换输入需要查看当前的系统编码。比如控制台当前的编码是 UTF-8, 那么 UTF-8 编码的东西能正确显示，GBK 就不能；同样，当前编码是 GBK, 就能显示 GBK 编码，后来的系统应该更智能的处理好更多的转换了。不过通过 putty 等终端还是需要设置好终端的编码转换以解除乱码的烦恼。