获取编码,以及转换编码格式

最新推荐文章于 2019-06-27 17:49:26 发布

zhuiyadechuying

最新推荐文章于 2019-06-27 17:49:26 发布

阅读量839

点赞数

分类专栏：计算机文章标签：编码格式

计算机专栏收录该内容

2 篇文章 0 订阅

订阅专栏

php自动获取字符串编码函数mb_detect_encoding

当在php中使用mb_detect_encoding函数进行编码识别时，很多人都碰到过识别编码有误的问题，例如对与GB2312和UTF- 8，或者UTF-8和GBK(这里主要是对于cp936的判断),网上说是由于字符短是，mb_detect_encoding会出现误判。
例如:

复制代码代码如下:

 
$encode = mb_detect_encoding($keytitle, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));  
 
if ($encode == “UTF-8″){  
 
$keytitle = iconv("UTF-8″,"GBK",$keytitle);  
 
}

这段代码的作用是检测字符串的编码是否UTF-8，是的话就转换为GBK。
可是当 $keytitle = “%D0%BE%C6%AC”;时。检测结果却是UTF-8.这个bug其实不算是bug，写程序时也不应当过于依赖mb_detect_encoding，当字符串较短时，检测结果产生偏差的可能性很大。
怎么解决呢，我的办法是：

复制代码代码如下:

 
$encode = mb_detect_encoding($keytitle, array('ASCII','GB2312′,'GBK','UTF-8');

三个参数分别是：被检测的输入变量、编码方式的检测顺序(一旦为真，后面自动忽略)、strict模式
对编码检测的顺序进行调整，将最大可能性放在前面，这样减少被错误转换的机会。

一般要先排gb2312，当有GBK和UTF-8时，需要将常用的排列到前面。

PHP下编码转换函数mb_convert_encoding与iconv的使用说明

不过英文一般不会存在编码问题，只有中文数据才会有这个问题。比如你用Zend Studio或Editplus写程序时，用的是gbk编码，如果数据需要入数据库，而数据库的编码为utf8时，这时就要把数据进行编码转换，不然进到数据库就会变成乱码。

mb_convert_encoding的用法见官方：
http://cn.php.net/manual/zh/function.mb-convert-encoding.php

做一个GBK To UTF-8

复制代码代码如下:

 
<?php  
 
header("content-Type: text/html; charset=Utf-8");  
 
echo mb_convert_encoding("妳係我的友仔", "UTF-8", "GBK");  
 
?>

再来个GB2312 To Big5

复制代码代码如下:

 
<?php  
 
header("content-Type: text/html; charset=big5");  
 
echo mb_convert_encoding("你是我的朋友", "big5", "GB2312");  
 
?>

不过要使用上面的函数需要安装但是需要先enable mbstring 扩展库。

PHP中的另外一个函数iconv也是用来转换字符串编码的，与上函数功能相似。

下面还有一些详细的例子：
iconv — Convert string to requested character encoding
(PHP 4 >= 4.0.5, PHP 5)
mb_convert_encoding — Convert character encoding
(PHP 4 >= 4.0.6, PHP 5)

用法：
string mb_convert_encoding ( string str, string to_encoding [, mixed from_encoding] )
需要先enable mbstring 扩展库，在 php.ini里将; extension=php_mbstring.dll 前面的 ; 去掉
mb_convert_encoding 可以指定多种输入编码，它会根据内容自动识别,但是执行效率比iconv差太多；

string iconv ( string in_charset, string out_charset, string str )
注意：第二个参数，除了可以指定要转化到的编码以外，还可以增加两个后缀：//TRANSLIT 和 //IGNORE，其中 //TRANSLIT 会自动将不能直接转化的字符变成一个或多个近似的字符，//IGNORE 会忽略掉不能转化的字符，而默认效果是从第一个非法字符截断。
Returns the converted string or FALSE on failure.

使用：

发现iconv在转换字符”—”到gb2312时会出错，如果没有ignore参数，所有该字符后面的字符串都无法被保存。不管怎么样，这个”—”都无法转换成功，无法输出。另外mb_convert_encoding没有这个bug.

一般情况下用 iconv，只有当遇到无法确定原编码是何种编码，或者iconv转化后无法正常显示时才用mb_convert_encoding 函数.

from_encoding is specified by character code name before conversion. it can be array or string - comma separated enumerated list. If it is not specified, the internal encoding will be used.
/* Auto detect encoding from JIS, eucjp-win, sjis-win, then convert str to UCS-2LE */
$str = mb_convert_encoding($str, “UCS-2LE”, “JIS, eucjp-win, sjis-win”);
/* “auto” is expanded to “ASCII,JIS,UTF-8,EUC-JP,SJIS” */
$str = mb_convert_encoding($str, “EUC-JP”, “auto”);

例子：

复制代码代码如下:

 
$content = iconv("GBK", "UTF-8", $content);  
 
$content = mb_convert_encoding($content, "UTF-8","GBK");

PHP中使用mb_convert_encoding转码的小陷阱
在php程序中使用mb_convert_encoding()方法进行字符编码转换大家都很熟悉了，平时也在大量的使用。而且在一般情况下该方法也表现的足够好，值得表扬。但在一个项目中我们需要使用它进行UTF8到GBK的转换，在转换一些特殊字符时发现了一个不大不小的问题。具体表现为mb把在utf8可编码的字符而在gbk中不可编码的字符都转成了\0x00\0x80,这样就导致转换后的gbk字符是有问题的。
在我们的意识中，在进行字符编码转换的过程中，如果遇到目标编码不可表现的字符，转码程序应该做的是舍弃这种字符，这样虽然丢失了部分数据，但不会导致转码的字符序列不可用。不清楚mb为什么要使用上述方式而不是舍弃方式。
临时的解决方式是对转码后的字符串序列进行过滤，过滤掉所有\x00\80的字符；又或者在转义之前对utf8的字符串进行过滤，过滤掉ut8可表示而gbk不可表示的所有字符，从实现难度上来讲，第一种过滤方式比较容易做到。