php編碼轉換函式mb_convert_encoding與iconv

header("content-type: text/html; charset=utf-8"); echo mb_convert_encoding("妳係我的友仔", "utf-8", "gbk"); ?> 複製代碼 編碼轉換gb2312到big5： header("content-type: text/html; charset=big5"); echo mb_convert_encoding("你是我的朋友", "big5", "gb2312"); ?> 複製代碼 使用以上php函數需要安裝但是需要先enable mbstring 擴充庫。 php函數iconv也是用來轉換字串編碼的，與上函數功能相似。 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： $content = iconv("gbk", "utf-8", $content); $content = mb_convert_encoding($content, "utf-8","gbk"); 複製代碼 php編碼中使用mb_convert_encoding轉碼的小陷阱在php程式中使用mb_convert_encoding()方法進行字元編碼轉換大家都很熟悉了，平時也在大量的使用。而且在一般情況下該方法也表現的足夠好，值得表揚。但在一個項目中我們需要使用它進行utf8到gbk的轉換，在轉換一些特殊字元時發現了一個不大不小的問題。 具體表現為mb把在utf8可編碼的字元而在gbk中不可編碼的字元都轉成了\0x00\0x80,這樣就導致轉換後的gbk字元是有問題的。 在進行字元編碼轉換的過程中，如果遇到目標編碼不可表現的字元，轉碼程式應該做的是捨棄這種字元，這樣雖然丟失了部分資料，但不會導致轉碼的字元序列不可用。不清楚mb為什麼要使用上述方式而不是捨棄方式。 臨時解決方案：對轉碼後的字串序列進行過濾，過濾掉所有\x00\80的字元；又或者在轉義之前對utf8的字串進行過濾，過濾掉ut8可表示而gbk不可表示的所有字元，從實現難度上來講，第一種過濾方式比較容易做到。

