ASCII: ASCII的编码范围为0-127(十六进制:0x00-0x7F),判断函数:
function isasciistr($str){for($i=0;$i0x7F) return false;
}return true;
}
ISO-8859-1:也称Latin1。编码范围是0-255(0x00-0xFF)。0x00-0x7F之间完全和ASCII一致,0x80-0x9F之间是控制字符,0xA0-0xFF之间是文字符号,判断函数:
因为ISO-8859-1的范围中包含了0xC2-0xDF以及0x80-0xBF,而UTF-8的两、三、四字节中都可能出现在这些范围。所以,有可能将ISO-8859-1错判断为UTF-8,一般需要指定顺序,在两者都符合的情况下,顺序优先。
function islatin1str($str,$order=‘‘){if(empty($order)) $order = array(‘ASCII‘,‘UTF-8‘,‘ISO-8859-1‘);$cs = [‘ASCII‘=>‘isasciistr‘,‘GB2312‘=>‘isgb2312str‘,‘GBK‘=>‘isgbkstr‘,‘UTF-8‘=>‘isutf8str‘];$flags =[];$charset = false;$other =[];for($i=0;$i
}
}
}
}$flag = true;$N = count($other);if($N>0){for($k=0;$k
}
}
}
}return true;
}
判断是否ISO-8859-1的函数中利用到了其它几个判断函数(见下边),分别是isasciistr()、isgb2312str()、isgbkstr()、isutf8str()。
GB2312:简体中文编码,范围是0xA1A1-0xFEFE(汉字所在编码范围为B0A1-F7FE)。判断函数如下:
function isgb2312str($str){$len = strlen($str);for($i=0;$i=0xA1 && ord($c1)<=0xFE;if(!$flag1 || $i==$len-1) return false;$c2 = substr($str,$i+1,1);$flag2 = ord($c2)>=0xA1 || ord($c2)<=0xFE;if(!$flag2) return false;$i++;
}return true;
}
GBK:在GB2312基础上扩展的编码,范围是0x8140-0xFEFE。判断函数如下:
function isgbkstr($str){$len = strlen($str);for($i=0;$i=0x81 && ord($c1)<=0xFE;if(!$flag1 || $i==$len-1) return false;$c2 = substr($str,$i+1,1);$flag2 = ord($c2)>=0x81 || ord($c2)<=0xFE;if(!$flag2) return false;$i++;
}return true;
}
UTF-8:这是可变长(一字节,两字节,三字节,四字节,五字节,六字节)的编码。通常只处理到四个字节的编码,由于部分编码范围可能与GBK非汉字部分重叠(网上很多版本都不太准确),需要处理一下,判断如下:
function isutf8str($str,$utf8all2bits=false){$bit2 = true;$bit3 = false;$bit4 = false;$allCN = array();$len = strlen($str);for($i=0;$i=0xFF) return false;$flag1_2 = ord($c1)>=0xc0 && ord($c1)<=0xdf;$flag1_3 = ord($c1)>=0xe0 && ord($c1)<=0xef;$flag1_4 = ord($c1)>=0xf0 && ord($c1)<=0xf7;if(!($flag1_2 || $flag1_3 || $flag1_4) || $i==$len-1) return false;$c2 = substr($str,$i+1,1);$flag2 = ord($c2)>=0x80 && ord($c2)<=0xbf;if(!$flag2) return false;if($flag1_2){$bit2 = true;$allCN[] = (ord($c1)>=0xB0 && ord($c1)<=0xF7 && ord($c2)>=0xA1 && ord($c2)<=0xFE) ? 1 : 0;if($i==$len-2) {if($bit3 || $bit4) return true;
$N = count($allCN);if($N>0){for($n=0;$n
}
}
}return $utf8all2bits;
}$i=$i+1;
}else{if($i==$len-2) return false;$c3 = substr($str,$i+2,1);$flag3 = ord($c3)>=0x80 && ord($c3)<=0xbf;if(!$flag3) return false;if($flag1_3){$bit3 = true;if($bit2 || $bit4 || $i==$len-3) return true;$i=$i+2;
}else{$bit4 = true;if($i==$len-3) return false;$c4 = substr($str,$i+3,1);$flag4 = ord($c4)>=0x80 && ord($c4)<=0xbf;if(!$flag4) return false;if($bit2 || $bit3 || $i==$len-4) return true;$i=$i+3;
}
}
}return true;
}
以上各种编码也可以使用mb_detect_encoding()来处理,不过需要注意顺序:
function isasciistr($str){return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘ASCII‘,‘ISO-646‘]);
}function islatin1str($str){return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘Latin1‘,‘ISO-8859-1‘]);
}function isgb2312str($str){return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘GB2312‘,‘EUC-CN‘]);
}function isgbkstr($str){return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘GBK‘,‘CP936‘]);
}function isut8str($str){return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘UTF-8‘]);
}
原文:https://www.cnblogs.com/dreamyoung/p/isutf8.html