php字元編碼轉換之gb2312轉為utf8_php執行個體

 在php中字元編碼轉換我們一般會用到iconv與mb_convert_encoding進行操作，但是mb_convert_encoding在轉換效能上比iconv要差很多哦。
string iconv ( string in_charset, string out_charset, string str ) 注意：第二個參數，除了可以指定要轉化到的編碼以外，還可以增加兩個尾碼：//TRANSLIT 和 //IGNORE，其中 //TRANSLIT 會自動將不能直接轉化的字元變成一個或多個近似的字元，//IGNORE 會忽略掉不能轉化的字元，而預設效果是從第一個非法字元截斷。
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 擴充庫，在 php.ini裡將; extension=php_mbstring.dll 前面的 ; 去掉
mb_convert_encoding 可以指定多種輸入編碼，它會根據內容自動識別,但是執行效率比iconv差太多；

使用：
發現iconv在轉換字元”—”到gb2312時會出錯，如果沒有ignore參數，所有該字元後面的字串都無法被儲存。不管怎麼樣，這個”—”都無法轉換成功，無法輸出。 另外mb_convert_encoding沒有這個bug.
一般情況下用 iconv，只有當遇到無法確定原編碼是何種編碼，或者iconv轉化後無法正常顯示時才用mb_convert_encoding 函數.

複製代碼 代碼如下:

/**
*自動判斷把gbk或gb2312編碼的字串轉為utf8
*能自動判斷輸入字串的編碼類別，如果本身是utf-8就不用轉換，否則就轉換為utf-8的字串
*支援的字元編碼類型是：utf-8,gbk,gb2312
*@$str:string 字串
*/
function yang_gbk2utf8($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;
}

下面我接著看在轉換字元編碼的一些問題
用mb_detect_encoding($str);函數，使用該函數必須開啟php的extension=php_mbstring.dll擴充

複製代碼 代碼如下:

<?php
$str="測試ing";
$cha=mb_detect_encoding($str);
$s = iconv($cha,"UTF-8",$str);
var_dump($s);
?>

結果返回：
string(0) “”
真是奇怪，為什麼會這樣。

複製代碼 代碼如下:

<?php
$str="測試ing";
$cha=mb_detect_encoding($str);
$s = iconv("GB2312","UTF-8",$str);
var_dump($s);
?>

返回結果正確。發現該函數mb_detect_encoding($str);判斷還是不準確。不知是什麼原因。
函數string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )
可以轉換為指定編碼的字串，我寫了例子

複製代碼 代碼如下:

<pre lang="php" line="1">
<?php
$a="我很好";
echo mb_convert_encoding ($a,'UTF-8');
?>

可結果是：
??潞?潞?
現在的問題就是我如果把不同的字串編碼形式統一轉換為utf-8,如果事Crowdsourced Security Testing道改變嗎可以用iconv,但如果不知道該編碼該怎麼辦呢？
問題3：iconv問題，如果轉換的字串，第一個位元組的編碼大於一定的數會返回空.
如：

複製代碼 代碼如下:

<?php
$str=chr(254)."測試ing".chr(254);
$s = iconv("GB2312","UTF-8",$str);
var_dump($s);
?>

返回
string(0) “”

mb_convert_encoding的用法見官方：

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

PHP中的另外一個函數iconv也是用來轉換字串編碼的，與上函數功能相似。

下面還有一些詳細的例子：
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 擴充庫，在 php.ini裡將; extension=php_mbstring.dll 前面的 ; 去掉
mb_convert_encoding 可以指定多種輸入編碼，它會根據內容自動識別,但是執行效率比iconv差太多；
string iconv ( string in_charset, string out_charset, string str )
注意：第二個參數，除了可以指定要轉化到的編碼以外，還可以增加兩個尾碼：//TRANSLIT 和 //IGNORE，其中 //TRANSLIT 會自動將不能直接轉化的字元變成一個或多個近似的字元，//IGNORE 會忽略掉不能轉化的字元，而預設效果是從第一個非法字元截斷。
Returns the converted string or FALSE on failure.
使用：
發現iconv在轉換字元”—”到gb2312時會出錯，如果沒有ignore參數，所有該字元後面的字串都無法被儲存。不管怎麼樣，這個”—”都無法轉換成功，無法輸出。 另外mb_convert_encoding沒有這個bug.
一般情況下用 iconv，只有當遇到無法確定原編碼是何種編碼，或者iconv轉化後無法正常顯示時才用mb_convert_encoding 函數.
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：

複製代碼 代碼如下:

<?php 
 $content = iconv("GBK", "UTF-8", $content); 
 $content = mb_convert_encoding($content, "UTF-8", "GBK"); 
?>

這個可以根據輸入輸出的字元編碼進行轉換

複製代碼 代碼如下:

<?php
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;
}
?>