在使用mbstring库时看到这个方法,有点惊喜,难道有内置的方法能直接判断字符串编码?于是立马进行了测试。
测试的思路
先用纯数字和英文字母组合,然后分别指定utf-8,gbk编码来进行测试。因为gbk字符集和utf-8字符集都包含ascii字符集,所以理论上结果应当都是true
给定一个gbk编码的文字符串,包含英文、数字和中文,然后分别指定utf-8,gbk编码来进行测试。指定utf-8编码的输出结果应当为false,指定gbk编码的输出结果应当为true。
给定一个utf-8编码的字符串,包含英文、数字和中文,然后分别指定utf-8,gbk编码来进行测试。指定utf-8编码的输出结果应当为true,指定gbk编码的输出结果应当为false。
纯数字和英文字母组合
$utf8Str = "I have 4 books and 2 magazines to check out. ";
var_dump(mb_check_encoding($utf8Str,'utf-8')); //输出true
var_dump(mb_check_encoding($utf8Str,'gbk')); //输出true
这样的结果一般没有什么其他疑问,事实上如果用bin2hex来查看字符串的16进制码,不管是utf-8编码,还是gbk编码,都是一样的。
$utf8Str = "I have 4 books and 2 magazines to check out. ";
echo bin2hex($utf8Str);
$gbkStr = mb_convert_encoding($utf8Str, 'gbk', 'utf-8');
echo bin2hex($gbkStr);
上面两个的输出是一样的。
gbk编码的字符串
$str = '迷你tablet或于本月23日发布。';
var_dump(mb_check_encoding($str,'utf-8')); //输出false
var_dump(mb_check_encoding($str,'gbk')); //输出true
utf-8编码的字符串
$str = '迷你tablet或于本月23日发布。';
var_dump(mb_check_encoding($str,'utf-8')); //输出true
var_dump(mb_check_encoding($str,'gbk')); //输出false
本来看到上面结果应该挺好的。可是我对此心存疑惑。因为gbk和uft-8的编码方式,如果判断单个字应当没有问题,可是多个字符的时候,就可能存在问题。例如3个gbk编码的汉字,就是6个字节,那么有可能也是utf-8编码中的2个汉字。经过多次尝试,找到了这样的字符串
$utf8Str = '我abc是谁';
var_dump(mb_check_encoding($utf8Str, 'utf-8')); //输出true
var_dump(mb_check_encoding($utf8Str, 'gbk')); //输出true
尽管是utf-8的字符串,但是在指定gbk判断时也是true。
虽然最后问题没有解决,但是这样的思考还是蛮有意义的,希望汉字编码能尽快统一标准。