php字符编码转换问题 mb_convert_encoding与iconv函数

发布时间:2021-01-13编辑:脚本学堂
本文介绍了php编程中字符编码转换的一些问题,有关mb_convert_encoding与iconv编码转换函数的用法,有需要的朋友参考下。

php函数库中的函数:iconv(),iconv函数库能够完成各种字符集间的转换,是php编程中不可缺少的基础函数库。

用iconv函数把抓取来过的utf-8编码的页面转成gb2312,发现只有用iconv函数把抓取过来的数据一转码数据就会无缘无故的少一些。
这是iconv函数的一个bug。iconv在转换字符"—"到gb2312时会出错。

以下是iconv函数的用法。

把gb2312置换成utf-8:

$text=iconv("gb2312","utf-8",$text);
在用$text=iconv("utf-8","gb2312",$text)过程中,如果遇到一些特别字符时,如:"—",英文名中的"."等等字符,转换就断掉了。这些字符后的文字都没法继续转换了。

针对此问题,可以使用如下代码:
$text=iconv("utf-8","gbk",$text);
不使用gb2312,而写成gbk,就可以了。

另外一种方法,第二个参数,加上//ignore,忽略错误,如下:
iconv("utf-8","gb2312//ignore",$data);
没有具体比较这两种方法,感觉第一种(gbk代替gb2312)方法更好。

php手册中iconv() 说明:
iconv
(php 4 >= 4.0.5, php 5)
iconv – convert string to requested character encoding
description
string iconv ( string in_charset, string out_charset, string str )
performs a character set conversion on the string str from in_charset to out_charset. returns the converted string or false on failure.
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.
在使用这个函数进行字符串编码转换时,需要注意,如果将utf-8转换为gb2312时,可能会出现字符串被截断的情况发生。此时可以使用以下方法解决:
$str=iconv('utf-8',"gb2312//translit",file_get_contents($filepath));
即在第二个参数出添加红色字部分,表示:如果在目标编码中找不到与源编码相匹配的字符,会选择相似的字符进行转换。
此处也可以使用://ignore 这个参数,表示忽略不能转换的字符。

ignore的意思是忽略转换时的错误,如果没有ignore参数,所有该字符后面的字符串都无法被保存。

iconv不是php的默认函数,也是默认安装的模块。需要安装才能用的。

如果是windows2000+php,你可以修改php.ini文件,将extension=php_iconv.dll前的";"去掉,同时你要copy你的原php安装文件下的iconv.dll到你的winnt/system32下(如果你的dll指向的是这个目录)。在linux环境下,用静态安装的方式,在configure时加多一项 --with-iconv就可以了,phpinfo看得到iconv的项。(linux7.3+apache4.06+php4.3.2)。

mb_convert_encoding与iconv函数介绍

mb_convert_encoding这个函数是用来转换编码的。原来一直对程序编码这一概念不理解,不过现在好像有点开窍了。不过英文一般不会存在编码问题,只有中文数据才会有这个问题。比如你用zend studio或editplus写程序时,用的是gbk编码,如果数据需要入数据库,而数据库的编码为utf8时,这时就要把数据进行编码转换,不然进到数据库就会变成乱码

gbk to utf-8编码转换:
 

复制代码 代码示例:
<?php
header("content-type: text/html; charset=utf-8");
echo mb_convert_encoding("妳係我的友仔", "utf-8", "gbk");
?>
 

gb2312 to big5编码转换:
 

复制代码 代码示例:
<?php
header("content-type: text/html; charset=big5");
echo mb_convert_encoding("你是我的朋友", "big5", "gb2312");
?>
 

如果使用以上函数,需要安装但是需要先enable mbstring 扩展库。

string mb_convert_encoding ( string str, string to_encoding [, mixed from_encoding] )需要先enable mbstring 扩展库,在 php.ini里将; extension=php_mbstring.dll 前面的 ; 去掉mb_convert_encoding 可以指定多种输入编码,它会根据内容自动识别,但是执行效率比iconv差太多;

string iconv ( string in_charset, string out_charset, string str )
注意:第二个参数,除了可以指定要转化到的编码以外,还可以增加两个后缀://translit 和 //ignore,其中 //translit 会自动将不能直接转化的字符变成一个或多个近似的字符,//ignore 会忽略掉不能转化的字符,而默认效果是从第一个非法字符截断。

一般情况下用 iconv,只有当遇到无法确定原编码是何种编码,或者iconv转化后无法正常显示时才用mb_convert_encoding 函数。
 

复制代码 代码示例:
$content = iconv("gbk", "utf-8″, $content);
$content = mb_convert_encoding($content, "utf-8″, "gbk");