php 中文 编码,php 中文编码

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);

PHP正则表达式中不支持下列 Perl 转义序列：/L, /l, /N, /P, /p, /U, /u, or /X

在 UTF-8 模式下，允许用“/x{...}”，花括号中的内容是表示十六进制数字的字符串。原来的十六进制转义序列 /xhh 如果其值大于 127 的话则匹配了一个双字节 UTF-8 字符。

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 ) ;