关于iconv容易忽略的参数IGNORE

最新推荐文章于 2021-03-11 22:03:16 发布

leehq

最新推荐文章于 2021-03-11 22:03:16 发布

阅读量3.8k

点赞数

分类专栏：开发(基础) 文章标签： string character

开发(基础) 专栏收录该内容

16 篇文章 0 订阅

订阅专栏

本文介绍了解决从网页中提取的内容不完整的问题。通过分析发现，使用iconv进行编码转换时，若某些字符无法转换，则会导致内容被截断。文章提供了正确的使用方法，即通过添加IGNORE选项来确保所有内容都能被保留。

摘要由CSDN通过智能技术生成

今天在提取抓取到的网页内容的正文时候，发现结果老是不完整，开始以为是提取不正确，然后去一步步分析提取结果，发现没问题，最后才发现是编码转换的环节的问题。我开始是直接使用iconv函数，

$txtContent = iconv("utf-8",'GBK',$txtContent);

utf-8直接转gbk，这样问题就来了，当有些字符无法转换的时候就从此处断开，导致内容不完整。后来又重新查手册，才发现iconv还有两个可选的辅助参数：TRANSLIT和IGNORE ，(其中IGNORE 就是说遇到无法转换的就跳过)。 其实也怪自己太粗心，刚开始一看iconv函数参数就三个，而且例子中也没有特别的，就懒得去看英文解释了，直接使用，直到出现了问题。

Description

string iconv ( string in_charset, string out_charset, string str )

Performs a character set conversion on the string str from in_charset to out_charset. Returns the converted string or FALSE on failure.

If you append the string //TRANSLIT to out_charset transliteration is activated. This means that when a character can't be represented in the target charset, it can be approximated through one or several similarly looking characters. If you append the string //IGNORE, characters that cannot be represented in the target charset are silently discarded. Otherwise, str is cut from the first illegal character.

原文链接：http://hi.baidu.com/yukinzhang/blog/item/82ad8e811baaf3debc3e1ede.html