php 檢測字元編碼代碼

function utf8_gb2312($str, $default = 'gb2312')
{
    $str = preg_replace("/[x01-x7f]+/", "", $str);
    if (empty($str)) return $default;
   
    $preg =  array(
        "gb2312" => "/^([xa1-xf7][xa0-xfe])+$/", //正則判斷是否是gb2312
        "utf-8" => "/^[x{4e00}-x{9fa5}]+$/u",      //正則判斷是否是漢字(utf8編碼的條件了)，這個範圍實際上已經包含了繁體中文字了
    );

    if ($default == 'gb2312') {
        $option = 'utf-8';
    } else {
        $option = 'gb2312';
    }

    if (!preg_match($preg[$default], $str)) {
        return $option;
    }
    $str = @iconv($default, $option, $str);
   
    //不能轉成 $option, 說明原來的不是 $default
    if (empty($str)) {
        return $option;
    }

預設編碼是gb2312，而且我統計了一下，90%的情況下都是gb2312，所以，我的檢測函數不能出現本來是gb2312的，結果被檢測出utf8. 基本思路是：

    1. 把所有的ascii去掉，如果全部都是ascii，那麼就是gb2312。

    2. 假設這個字串是gb2312，用一個正則檢查它是否是真的gb2312，如果不是，那麼就是utf-8

    3. 然後，用iconv 把字串轉換成utf8，如果轉換不成功，那麼原來可能不是真正的一個gb2312編碼的字元

     （用正則匹配我已經盡量精確，但是，gb2312的編碼不是連續的，還是會有空洞），那麼最後的編碼就是utf-8.

    4. 否則就是gb2312 編碼

 加入這樣的檢查功能後，在1000個關鍵字裡面，就出現了1個亂碼，比以前的近100個關鍵字亂碼少了很多。