php編碼轉換及問題

首先，編碼，在大陸，最常見的也就兩種，一種是utf-8，一種是gbk/gb2312。

gb2312是簡體中文編碼。gbk/gb2312是中文編碼，二者是相對相容的。

資料庫儲存資料，一般採用utf8編碼方式。而常常我們windows系統預設的編碼方式是gb2312，這就出現了編碼不統一的問題。

 

情景：

寫入資料庫。此時：我們需要將編碼改為utf8後，才能往資料庫儲存。

其實，只需要簡單的三步：判斷編碼，編碼轉換，寫入資料庫。（僅提供gbk/gb2312 與 utf8編碼之間的轉換，其他非主流類似處理即可）

一、判斷編碼

有很多種方式，我現在用的是這種：

function is_utf8($string) {   
return preg_match('%^(?:
        [\x09\x0A\x0D\x20-\x7E]                                                                                                            
        | [\xC2-\xDF][\x80-\xBF]
        |  \xE0[\xA0-\xBF][\x80-\xBF]
        | [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}
        |  \xED[\x80-\x9F][\x80-\xBF]
        |  \xF0[\x90-\xBF][\x80-\xBF]{2}
        | [\xF1-\xF3][\x80-\xBF]{3}
        |  \xF4[\x80-\x8F][\x80-\xBF]{2}
    )*$%xs', $string);  
}

這是各種編碼的區間：

$re['utf-8']  = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";
$re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";
$re['gbk']    = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";
$re['big5']   = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";

通過此函數，稍作修改即可：

function is_utf8($string) {
return preg_match('/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/', $string);
}

 

二、編碼轉換

編碼轉換一般有三種方式：1、iconv  2、mbstring擴充 3、自寫轉換函式

2、因為我php開啟了mbstring擴充，我使用的是此方式。

//utf-8 to gb2312
$str = mb_convert_encoding("楊森", "gb2312", "utf-8"); 
//GBK to UTF-8
$str = mb_convert_encoding($str, "utf-8", "GBK");

1、iconv轉換

//UTF-8 to GB2312
//UTF-8轉換時有小bug，請在第二個參數後加"//IGNORE"
iconv("UTF-8","GB2312//IGNORE",$data)

//GB2312 to UTF-8
iconv('GB2312', 'UTF-8', $str);

3、自寫轉換函式，我還沒自己寫過，沒有自己的，寫上來也是網上查詢所得。所以建議網上自行查詢。

 

4、如果牽涉到檔案上傳的編碼，可使用以上函數直接讀入然後寫入即可。

file_get_contents($path);
if(!is_utf8($str)) {                                                                                                                   
$str = mb_convert_encoding($str, "utf-8", "gbk");
file_put_contents($path, $str);
}

然後就寫入資料庫了。