php怎么区分字符编码,PHP字符编码判断猝不及防之坑

最新推荐文章于 2022-02-27 07:00:00 发布

汤海

最新推荐文章于 2022-02-27 07:00:00 发布

阅读量127

点赞数

文章标签： php怎么区分字符编码

本文讲述了PHP中mb_detect_encoding函数可能导致的编码误判问题，以及由此引发的字符串编码转换和正则校验的挑战。作者通过案例分析了即使调整了函数参数顺序，仍可能出现不一致的结果，指出PHP处理汉字编码的复杂性。解决方案包括增加额外的检测步骤和根据业务需求选择处理方式。问题的核心在于找到可靠的汉字编码检测和转换方法。

摘要由CSDN通过智能技术生成

文/小码农谈IT

小马曾经有讲过PHP函数mb_detect_encoding误判带来的坑，今天再来讲讲这个函数的惊天秘密。你准备好了吗？

前景回顾

我们回顾一下之前的误判场景。逻辑代码是这样的：$encode = mb_detect_encoding($name, array('ASCII','UTF-8','GB2312', 'GBK', 'BIG5'));$name = mb_convert_encoding($name, 'UTF-8', $encode);

这段代码检测字符串的编码，然后得到字符串编码，并统一转为utf-8。嗯，一切似乎很合理。但是小马当时得到了一个非必现的BUG反馈，有些字符编码格式有问题导致业务逻辑失败呢。后来经过排查是mb_detect_encoding的误判问题。通过更换参数数组顺序得到解决。调整之后的代码：$encode = mb_detect_encoding($name, array('ASCII','GB2312', 'GBK', 'BIG5','UTF-8'));嗯，似乎案子就这样破了。

这是当时的卷宗

新的惊天秘密

然而，这真的是想多了，一个猝不及防的问题又悄然出现了。什么？案子还是没破？难道是案中有案，另有玄机。没错，你猜对了。接下来我们来看看两个案发现场。

以下是想实现一个支持中文汉字字母数字的正则校验，因为正则表达式是utf8的，所以我们同样先判断字符编码处理，然后统一转为utf8，然后使用正则进行校验。看起来似乎也很完美。

此时带着甜美的味道，我们来看下面的代码。上面未转码的正则校验正确，一旦转码，正则校验就不是我们预期的结果了。显然场面已经失控。

再来看下面这个场景，显然连转换编码都没达到预期的utf8,更不要说过正则了。请注意，代码是一样的，只是传参的字符串不一样而已。

很显然这个不是我们想要的

不得不说的是，有些函数转码utf8正常，而且正则校验也正常。

哈哈，大家来找茬，通过上面的两个例子，细心的不细心的你都能很快发现，尽管我们使用了调整正确顺序后的函数，但是我们可以看到，下面输出的结果是不一样的。这就引发思考了。说明这个编码检测函数还是不靠谱。PHP的汉字编码处理真是个头疼的问题。

怎么解决呢？小马暂时想到的就是：

先判断编码检测完转换utf8是否成功，如果成功，做相对应编码的正则校验(比较繁琐)；不通过正则校验，直接交给业务校验或者查询匹配来处理(依赖DB需酌情考虑)；如果业务允许，就先测试这个字符串校验是否可以正常，然后再交由前端业务使用(依赖业务)；那么对于PHP该怎么处理对于汉字字母数字的校验呢？正确的打开方式是什么呢？您有什么高见呢？欢迎讨论指点。