汉字乱码一般用GB和UTF-8,如果用GB编码,网页用UTF-8,或相反,都会造成汉字无法正确显示
虽然php有模块可以转码,但mb_string的个头比较大,iconv比较适合
但iconv不能把汉字转成ascii的编码,类似ൟ这种。下面函数可以实现此功能:
mb_convert_encoding($string,'HTML-ENTITIES','UTF-8');
函数如下:
function uni2html($s) {
$len=strlen($s);
$rt='';
for($i=0;$i<$len;$i=$i+4) {
if(ord($s[$i+2])) {
$rt.='&#'.(ord($s[$i+2])*256+ord($s[$i+3])).';';
} else $rt.=$s[$i+3];
}
return $rt;
}
例子:
$s='你好';
$a=iconv('UTF-8','UCS-4',$s);
echo uni2html($a);
运行结果:你好
原理:
中文先转成unicode编码,再计算unicode的序号。unicode编码是4个字节,32位定长,英文字母只占用后面的1个字节,中文占用后两个字节。中日韩文字的unicode编码范围4e00 - 9fa5,前两位补零。所以unicode是定长编码,而utf-8是变长编码,一个字符的长度1-3字节,英文字幕一个字节,中文三个字节