PHP中GBK和UTF8编码处理

一、编码范围

1. GBK (GB2312/GB18030)
/x00-/xff  GBK双字节编码范围
/x20-/x7f  ASCII
/xa1-/xff  中文
/x80-/xff  中文

2. UTF-8 (Unicode)
/u4e00-/u9fa5 (中文)
/x3130-/x318F (韩文
/xAC00-/xD7A3 (韩文)
/u0800-/u4e00 (日文)
ps: 韩文是大于[/u9fa5]的字符


正则例子:
preg_replace("/([/x80-/xff])/","",$str);
preg_replace("/([u4e00-u9fa5])/","",$str);

 

二、代码例子


//判断内容里有没有中文-GBK (PHP)
function check_is_chinese( $ s ) {
    return preg_match('/[/x80-/xff]./', $ s ) ;
}

//获取字符串长度-GBK (PHP)
function gb_strlen( $ str ) {
    $count = 0;
    for($i=0; $i<strlen($str); $ i + + ) {
        $s = substr($str, $i, 1) ;
        if (preg_match("/[/x80-/xff]/", $s)) + + $ i ;
        + + $ count ;
    }
    return $ count ;
}

//截取字符串字串-GBK (PHP)
function gb_substr($str, $ len ) {
    $count = 0;
    for($i=0; $i<strlen($str); $ i + + ) {
        if($count == $len) break ;
        if(preg_match("/[/x80-/xff]/", substr($str, $i, 1))) + + $ i ;
        ++$count;         
    
}

    return substr($str, 0, $ i ) ;
}

//统计字符串长度-UTF8 (PHP)
function utf8_strlen($str) {
    $count = 0;
    for($i = 0; $i < strlen($str); $ i + + ) {
        $value = ord ( $ str [ $ i ] ) ;
        if($value > 127) {
            $ count + + ;
            if($value >= 192 && $value <= 223) $ i + + ;
            elseif($value >= 224 && $value <= 239) $i = $i + 2;
            elseif($value >= 240 && $value <= 247) $i = $i + 3;
            else die ( 'Not a UTF-8 compatible string' ) ;
        }
        $ count + + ;
    }
    return $ count ;
}


//截取字符串-UTF8(PHP)
function utf8_substr( $ str , $ position , $ length ) {
    $start_position = strlen ( $ str ) ;
    $start_byte = 0;
    $end_position = strlen ( $ str ) ;
    $count = 0;
    for($i = 0; $i < strlen($str); $ i + + ) {
        if($count >= $position && $start_position > $ i ) {
            $start_position = $ i ;
            $start_byte = $ count ;
        }
        if(($count-$start_byte)>=$length) {
            $end_position = $ i ;
            break ;
        }     
        
$value = ord
( $ str [ $ i ] ) ;
        if($value > 127) {
            $ count + + ;
            if($value >= 192 && $value <= 223) $ i + + ;
            elseif($value >= 224 && $value <= 239) $i = $i + 2;
            elseif($value >= 240 && $value <= 247) $i = $i + 3;
            else die ( 'Not a UTF-8 compatible string' ) ;
        }
        $ count + + ;

    }
    return ( substr ( $ str , $ start_position , $ end_position - $ start_position ) ) ;
}


//字符串长度统计-UTF8 [中文3个字节,俄文、韩文占2个字节,字母占1个字节] (Ruby)
def utf8_string_length(str)
    temp = CGI::unescape(str)
    i = 0;
    j = 0;
    temp.length.times{|t|
        if temp[t] < 127
            i
+=
1
        
elseif temp[t] >= 127 and temp[t] <
224
            j
+=
1
            
if 0 == (j % 2)

                i += 2
                j
=
0
            
end

        else
            j += 1
            
if 0 == (j % 3)

                i += 2
                j
=
0
            
end

        end
    }
    return i
}


//判断是否是有韩文-UTF-8 (JavaScript)
function checkKoreaChar(str) {
    for(i=0; i<str.length; i++) {
        if(((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) < 0x318F) || (str.charCodeAt(i) >= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {
            return true ;
        }
    }
    return false ;
}

//判断是否有中文字符-GBK (JavaScript)
function check_chinese_char(s){
    return (s.length != s.replace(/[^/x00-/xff]/g,"**").length);
}

 

三、参考文档

http://www.unicode.org/
http://examples.oreilly.com/cjkvinfo/doc/cjk.inf
http://www.ansell-uebersetzungen.com/gbuni.html
http://www.haiyan.com/steelk/navigator/ref/gbk/gbindex.htm
http://baike.baidu.com/view/40801.htm
http://www.chedong.com/tech/hello_unicode.html
 



Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1488900


<script src="http://localhost:82/PromoteIcon.aspx?id=1488900" type="text/javascript"></script> [ 收藏到我的网摘]   heiyeluren发表于 2007年01月20日 23:28:00
href="http://blog.csdn.net/heiyeshuwu/Services/Pingback.aspx" rel="pingback" /> <script type="text/javascript">function hide(){showComment();}</script>


 

#   ice_berg16 发表于2007-04-04 16:52:38  IP: 218.61.158.*
/*
* 中文截取,支持gb2312,gbk,utf-8,big5
*
* @param string $str 要截取的字串
* @param int $start 截取起始位置
* @param int $length 截取长度
* @param string $charset utf-8|gb2312|gbk|big5 编码
* @param $suffix 是否加尾缀
*/
public function csubstr($str, $start=0, $length, $charset="utf-8", $suffix=true)
{
if(function_exists("mb_substr"))
return mb_substr($str, $start, $length, $charset);
$re['utf-8'] = "/[/x01-/x7f]|[/xc2-/xdf][/x80-/xbf]|[/xe0-/xef][/x80-/xbf]{2}|[/xf0-/xff][/x80-/xbf]{3}/";
$re['gb2312'] = "/[/x01-/x7f]|[/xb0-/xf7][/xa0-/xfe]/";
$re['gbk'] = "/[/x01-/x7f]|[/x81-/xfe][/x40-/xfe]/";
$re['big5'] = "/[/x01-/x7f]|[/x81-/xfe]([/x40-/x7e]|/xa1-/xfe])/";
preg_match_all($re[$charset], $str, $match);
$slice = join("",array_slice($match[0], $start, $length));
if($suffix) return $slice."…";
return $slice;
}
 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值