php iconv函數轉換出錯問題

標籤：

本人qq群也有許多的技術文檔，希望可以為你提供一些協助(非技術的勿加)。

 

QQ群：   281442983 (點選連結加入群：http://jq.qq.com/?_wv=1027&k=29LoD19) 

 

在php函數庫有一個函數：iconv()，iconv函數庫能夠完成各種字元集間的轉換，是php編程中不可缺少的基礎函數庫。

最近在做一個小偷程式，需要用到iconv函數把抓取來過的utf-8編碼的頁面轉成gb2312， 發現只有用iconv函數把抓取過來的資料一轉碼資料就會無緣無故的少一些。 讓我鬱悶了好一會兒，去網上一查資料才知道這是iconv函數的一個bug。iconv在轉換字元"—"到gb2312時會出錯。

下面慢慢看一下這個函數的用法。

最簡單的應用，把gb2312置換成utf-8：

1	$text=iconv("GB2312","UTF-8",$text);

在用$text=iconv("UTF-8","GB2312",$text)過程中，如果遇到一些特別字元時，如："—"，英文名中的"."等等字元，轉換就斷掉了。這些字元後的文字都沒法繼續轉換了。

針對這的問題，可以用如下代碼實現：

1	$text=iconv("GBK","UTF-8",$text);

你沒有看錯，就這麼簡單，不使用gb2312，而寫成GBK，就可以了。

還有一種方法，第二個參數，加上//IGNORE，忽略錯誤，如下：

1	iconv("UTF-8","GB2312//IGNORE",$data);

沒有具體比較這兩種方法，感覺第一種（GBK代替gb2312）方法更好。

php手冊中iconv() 說明：

1

iconv

2

3	(PHP 4 >= 4.0.5, PHP 5)

4	iconv – Convert string to requested character encoding

5	Description

6	string iconv ( string in_charset, string out_charset, string str )

7	Performs a character set conversion on the string str from in_charset to out_charset. Returns the converted string or FALSE on failure.

8

If you append the string //TRANSLIT to out_charset transliteration is activated. This means that when a character can‘t be represented in the target charset, it can be approximated through one or several similarly looking characters. If you append the string //IGNORE, characters that cannot be represented in the target charset are silently discarded. Otherwise, str is cut from the first illegal character.

在使用這個函數進行字串編碼轉換時，需要注意，如果將utf-8轉換為gb2312時，可能會出現字串被截斷的情況發生。此時可以使用以下方法解決：

1	$str=iconv(‘utf-8‘,"gb2312//TRANSLIT",file_get_contents($filepath));

即在第二個參數出添加紅色字部分，表示：如果在目標編碼中找不到與源編碼相匹配的字元，會選擇相似的字元進行轉換。此處也可以使用：//IGNORE 這個參數，表示忽略不能轉換的字元。

ignore的意思是忽略轉換時的錯誤，如果沒有ignore參數，所有該字元後面的字串都無法被儲存。

iconv不是php的預設函數，也是預設安裝的模組。需要安裝才能用的。

如果是windows2000+php，你可以修改php.ini檔案，將extension=php_iconv.dll前的";"去掉，同時你要copy你的原php安裝檔案下的iconv.dll到你的winnt/system32下（如果你的dll指向的是這個目錄）。在linux環境下，用靜態安裝的方式，在configure時加多一項 --with-iconv就可以了，phpinfo看得到iconv的項。(Linux7.3+Apache4.06+php4.3.2)。

mb_convert_encoding與iconv函數介紹

mb_convert_encoding這個函數是用來轉換編碼的。原來一直對程式編碼這一概念不理解，不過現在好像有點開竅了。不過英文一般不會存在編碼問題，只有中文資料才會有這個問題。比如你用Zend Studio或Editplus寫程式時，用的是gbk編碼，如果資料需要入資料庫，而資料庫的編碼為utf8時，這時就要把資料進行編碼轉換，不然進到資料庫就會變成亂碼。

做一個GBK To UTF-8：

1

<?php

2	header("content-Type: text/html; charset=Utf-8");

3	echo mb_convert_encoding("妳係我的友仔", "UTF-8", "GBK");

4

?>

再來個GB2312 To Big5：

1

<?php

2	header("content-Type: text/html; charset=big5");

3	echo mb_convert_encoding("你是我的朋友", "big5", "GB2312");

4

?>

不過要使用上面的函數需要安裝但是需要先enable mbstring 擴充庫。

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。

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。

1	$content = iconv("GBK", "UTF-8″, $content);

 

2	$content = mb_convert_encoding($content, "UTF-8″, "GBK");

本人qq群也有許多的技術文檔，希望可以為你提供一些協助(非技術的勿加)。

 

QQ群：   281442983 (點選連結加入群：http://jq.qq.com/?_wv=1027&k=29LoD19) 

 

php iconv函數轉換出錯問題