完全转换UTF-8为GB2312的PHP函数
作者:admin 日期:2012-05-01
开始是用“$re=iconv("UTF-8","GB2312",$snoopy->results);”将utf8转换成gb2312,结果经常出错,到了一半就看不到后文了。后来用“$re=iconv("UTF-8","GB2312//IGNORE",$snoopy->results);”,加上了忽略错误,好了点,可以转换到底了!可是今天又发现,还是有部分网页无法转换。后来仔细研究发现原来iconv只能转换3字符的utf8码,如果需要全码转换需要另外写函数。
首先需要了解utf8的构成。
基础:
1、单独使用iconv函数只能转换GB2312字符,外文字符无法转换。
2、没有现成的函数可以用。
3、bindec()函数:将二进制格式的“01”字符串转换为十进制数。
4、decbin()函数:将十进制数转换为二进制字符串,如decbin(224)="11100000"。
思路:因为UTF-8分别有1、2、3字节编码,中日韩文都是3字节编码,处理时根据字符编码中首字节大小区分字节数量。
1、如首字节小于128,为ASCII码。
2、128~192,非UTF-8编码,且处理为“&#ord();”。
3、192~224, 双字节UTF-8编码。
4、224~240,三字节编码。
5、240~248,四字节编码。
6、……
7、对于三字节编码的尝试用iconv转换成GB2312。
8、非GB2312的多字节字符,尝试把UTF-8转换成Unicode,再取到Unicode十进制值。
9、可以考虑使用位运算,也可以用bindec()函数。
程序代码:
- function GetGB2312String($name)
- {
- $tostr = "";
- for($i=0;$i<strlen($name);$i++)
- {
- $curbin = ord(substr($name,$i,1));
- if($curbin < 0x80)
- {
- $tostr .= substr($name,$i,1);
- }elseif($curbin < bindec("11000000")){
- $str = substr($name,$i,1);
- $tostr .= "&#".ord($str).";";
- }elseif($curbin < bindec("11100000")){
- $str = substr($name,$i,2);
- $tostr .= "&#".GetUnicodeChar($str).";";
- $i += 1;
- }elseif($curbin < bindec("11110000")){
- $str = substr($name,$i,3);
- $gstr= iconv("UTF-8","GB2312",$str);
- if(!$gstr)
- {
- $tostr .= "&#".GetUnicodeChar($str).";";
- }else{
- $tostr .= $gstr;
- }
- $i += 2;
- }elseif($curbin < bindec("11111000")){
- $str = substr($name,$i,4);
- $tostr .= "&#".GetUnicodeChar($str).";";
- $i += 3;
- }elseif($curbin < bindec("11111100")){
- $str = substr($name,$i,5);
- $tostr .= "&#".GetUnicodeChar($str).";";
- $i += 4;
- }else{
- $str = substr($name,$i,6);
- $tostr .= "&#".GetUnicodeChar($str).";";
- $i += 5;
- }
- }
- return $tostr;
- }//end function
- function GetUnicodeChar($str)
- {
- $temp = "";
- for($i=0;$i<strlen($str);$i++)
- {
- $x = decbin(ord(substr($str,$i,1)));
- if($i == 0)
- {
- $s = strlen($str)+1;
- $temp .= substr($x,$s,8-$s);
- }else{
- $temp .= substr($x,2,6);
- }
- }
- return bindec($temp);
- }//end function
调用方法:
- $re=GetGB2312String($snoopy->results);
广告位