用PHP將Unicode 轉化為UTF-8的實現方法(推)

NO IMAGE

例項如下:


function unescape($str) {
$str = rawurldecode($str);
preg_match_all("/(?:%u.{4})|&#x.{4};|&#\d ;|. /U",$str,$r);
$ar = $r[0];
//print_r($ar);
foreach($ar as $k=>$v) {
if(substr($v,0,2) == "%u"){
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("H4",substr($v,-4)));
}
elseif(substr($v,0,3) == "&#x"){
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("H4",substr($v,3,-1)));
}
elseif(substr($v,0,2) == "&#") {
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("n",substr($v,2,-1)));
}
}
return join("",$ar);
}
echo unescape("紫星藍");

今天有使用者反饋,表單系統使用者提交的資料中文會亂碼。測試發現問題出在 iconv 轉換上。
iconv(‘UCS-2’,
‘GBK’,
‘中文’)
Google

搜尋發現,原因是 Linux 伺服器上 UCS-2 編碼方式與 Winodws 不一致。

於是,我改成

 iconv(‘UCS-2BE’,
‘GBK’,
‘中文’)
 試試,中文正常了

以下是有關兩個平臺

UCS-2 編碼的潛規則:

1、 UCS-2 不等於 UTF-16。 UTF-16 每個位元組使用 ASCII 字元範圍編碼,而 UCS-2 對每個位元組的編碼可以超出 ASCII 字元範圍。UCS-2 和 UTF-16 對每個字元至多佔兩個位元組,但是他們的編碼是不一樣的。

2、對於 UCS-2, windows 下預設是 UCS-2LE。用 MultibyteToWidechar(或者A2W)生成的是 UCS-2LE 的 unicode。windows記事本可以將文字儲存為 UCS-2BE,相當於多了層轉換。

3、 對於 UCS-2, linux 下預設是 UCS-2BE。用iconv(指定UCS-2)來轉換生成的是 UCS-2BE 的 unicode。如果轉換windows平臺過來的 UCS-2, 需要指定 UCS-2LE。

4、鑑於windows和linux等多個平臺對 UCS-2 的理解不同(UCS-2LE,UCS-2BE)。MS 主張 unicode 有個引導標誌(UCS-2LE FFFE, UCS-2BE FEFF),以表明下面的字元是 unicode 並且判別 big-endian 或 little-endian。 所以從 windows 平臺過來的資料發現有這個字首,不用慌張。

5、 linux 的編碼輸出,比如從檔案輸出,從 printf 輸出,需要控制檯做適當的編碼匹配(如果編碼不匹配,一般和該程式編譯時的編碼有若干關係),而控制檯的轉換輸入需要檢視當前的系統編碼。比如控制檯當前的編碼是 UTF-8, 那麼 UTF-8 編碼的東西能正確顯示,GBK 就不能;同樣,當前編碼是 GBK, 就能顯示 GBK 編碼,後來的系統應該更智慧的處理好更多的轉換了。不過通過 putty 等終端還是需要設定好終端的編碼轉換以解除亂碼的煩惱。

以上這篇用PHP將Unicode 轉化為UTF-8的實現方法(推薦)就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援指令碼之家。

您可能感興趣的文章:

PHP通過iconv將字串從GBK轉換為UTF8字符集php utf-8轉unicode的函式PHP如何實現Unicode和Utf-8編碼相互轉換支援生僻字且自動識別utf-8編碼的php漢字轉拼音類PHP UTF8編碼內的繁簡轉換類用PHP實現將GB編碼轉換為UTF8PHP實現十進位制、二進位制、八進位制和十六進位制轉換相關函式用法分析PHP二進位制與字串之間的相互轉換教程PHP函式篇詳解十進位制、二進位制、八進位制和十六進位制轉換函式說明PHP中實現中文字元進位制轉換原理分析PHP實現UTF8二進位制及明文字串的轉化功能示例