JAVA CP936编码转utf8_php字符编码转换之gb2312转为utf8

在php中字符编码转换我们一般会用到iconv与mb_convert_encoding进行操作，但是mb_convert_encoding在转换性能上比iconv要差很多哦。

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.

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；

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.

/**

*自动判断把gbk或gb2312编码的字符串转为utf8

*能自动判断输入字符串的编码类，如果本身是utf-8就不用转换，否则就转换为utf-8的字符串

*支持的字符编码类型是：utf-8,gbk,gb2312

*@$str:string 字符串

*/

function yang_gbk2utf8($str){

$charset = mb_detect_encoding()($str,array('UTF-8','GBK','GB2312'));

$charset = strtolower($charset);

if('cp936' == $charset){

$charset='GBK';

}

if("utf-8" != $charset){

$str = iconv($charset,"UTF-8//IGNORE",$str);

}

return $str;

}

下面我接着看在转换字符编码的一些问题

用mb_detect_encoding($str);函数，使用该函数必须打开php的extension=php_mbstring.dll扩展

$str="测试ing";

$cha=mb_detect_encoding($str);

$s = iconv($cha,"UTF-8",$str);

var_dump($s);

?>

结果返回：

string(0) “”

真是奇怪，为什么会这样。

$str="测试ing";

$cha=mb_detect_encoding($str);

$s = iconv("GB2312","UTF-8",$str);

var_dump($s);

?>

返回结果正确。发现该函数mb_detect_encoding($str);判断还是不准确。不知是什么原因。

函数string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )

可以转换为指定编码的字符串，我写了例子

$a="我很好";

echo mb_convert_encoding ($a,'UTF-8');

?>

可结果是：

??潞?潞?

现在的问题就是我如果把不同的字符串编码形式统一转换为utf-8,如果事先知道改变吗可以用iconv,但如果不知道该编码该怎么办呢？

问题3：iconv问题，如果转换的字符串，第一个字节的编码大于一定的数会返回空.

如：

$str=chr(254)."测试ing".chr(254);

$s = iconv("GB2312","UTF-8",$str);

var_dump($s);

?>

返回

string(0) “”

mb_convert_encoding的用法见官方：

http://cn.php.net/manual/en/function.mb-convert-encoding.php

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：

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

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

?>

这个可以根据输入输出的字符编码进行转换

function phpcharset($data, $to) {

if(is_array($data)) {

foreach($data as $key => $val) {

$data[$key] = phpcharset($val, $to);

}

} else {

$encode_array = array('ASCII', 'UTF-8', 'GBK', 'GB2312', 'BIG5');

$encoded = mb_detect_encoding($data, $encode_array);

$to = strtoupper($to);

if($encoded != $to) {

$data = mb_convert_encoding($data, $to, $encoded);

}

}

return $data;

}

?>