分割GBK中文遭遇乱码解决

类似如下的字符串(GBK), explode不能得到正确结果:

  
  
$result = explode("|", "滕华弢|海青"); 

究其原因, 对于”弢”字(读tao,不认识没关系,我也不认识), 因为他的GBK编码值为: 8f7c, 不巧的是, “|”的ASCII值也是7c.

这样的问题, 还有很多 : 因为GBK编码的编码范围是: 0×8140-0xfefe, 所以, 理论上来说, 任何低字节是7c的字都会有这个问题, 比如:

 
 
倈(827c), 億(837c), 眧(b17c), 鍇(e57c).......等等等等

对于这样的情况,

 
 
第一, 可以采用转码到utf8, 然后explode, 再转回来, 这是比较麻烦的方法.
第二, 我们可以采用正则拿"匹配出"来代替"分离出":
    preg_match_all("/([/x81-/xfe][/x40-/xfe])+/", $gbk_str, $matches);//写死编码

这样, $matches中0号索引对应的数组就是结果词的数组了..

• 原文地址: http://www.laruence.com/2009/11/16/1147.html