代码文件的编码不统一导致的坑

联想到discuz，ecshop发布一个新版本的系统给大家使用，会提供utf-8，gb2312版本的代码下载。所以肯定是批量转换编码出来的。

这种是转换html文件。

http://blog.csdn.net/iseagold/article/details/5472377

我需要找一个批量转换文件编码的工具才行。

问题在于：目录中混合了gb2312和utf8编码的。如何才能用工具去自动判断呢。

不要强制转换一次编码。

gb2312和utf8编码的。如果是utf8编码的文件，就不要转换，如果是gb2312的编码才执行转换成utf8编码。

http://blog.csdn.net/liu_qiqi/article/details/38706497

按照给定的字符集存储文件时，在文件的最开头的三个字节中就有可能存储着编码信息，所以，基本的原理就是只要读出文件前三个字节，判定这些字节的值，就可以得知其编码的格式。其实，如果项目运行的平台就是中文操作系统，如果这些文本文件在项目内产生，即开发人员可以控制文本的编码格式，只要判定两种常见的编码就可以了：GBK和UTF-8。由于中文Windows默认的编码是GBK，所以一般只要判定UTF-8编码格式。

对于UTF-8编码格式的文本文件，其前3个字节的值就是-17、-69、-65，所以，判定是否是UTF-8编码格式的代码片段如下：

php的mb_detect_encoding函数，我正准备试一试：

function characet($data){

if( !empty($data) ){

    $filetype = mb_detect_encoding($data , array('utf-8','gbk','latin1','big5')) ;

    if( $filetype != 'utf-8'){

      $data = mb_convert_encoding($data ,'utf-8' , $filetype);

    }

}

return $data;

}

http://blog.csdn.net/wydycrtd/article/details/4793124

有人也说了，

重新认识一下此问题，当时版主回复的时候我就觉得mb函数里一定有这样的功能，但今日研究了mb库，并没有这样的功能。用mb_detect_encoding总是不准确。

mbstring 当前实现了以下编码检测筛选器。如有以下编码列表的无效字节序列，编码的检测将会失败。

UTF-8, UTF-7, ASCII, EUC-JP,SJIS, eucJP-win, SJIS-win, JIS, ISO-2022-JP

var_dump(mb_detect_encoding($str,array('UTF-8','GB2312')));

EUC-CN EUC-CN是GB2312最常用的表示方法。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。

php中用mb_detect_encoding测出来的euc-cn是gb2312编码:EUC-CN是GB2312最常用的表示方法

GB 2312字元使用两个字节来表示。

“第一位字节”使用0xA1-0xFE
“第二位字节”使用0xA1-0xFE

网上找到的不能解决自动检测编码的问题，这里我根据自己需要。检测两种编码就可以了：gb2312和utf-8

<?php

header("Content-type: text/html; charset=utf-8");

/*
 * +---------------------------------------------------
 *  遍历指定目录,形成一个目录句柄返回
 * +---------------------------------------------------
 *
 * +---------------------------------------------------
 */

function explorer_dir($sDir) {

    static $aTempArr = array();

    $dp = opendir($sDir);

    while ($sFileName = readdir($dp)) {
        if ($sFileName != '.' && $sFileName != '..') {
            $sPath = $sDir . "/" . $sFileName;
            if (is_dir($sPath)) {
                explorer_dir($sPath);
            } else {
//                $filetime=date("Y-m-d H:i:s",filectime("$path"));
//                $fp=$path.",".$filetime;
                $fp = $sPath;
                $aTempArr[] = $fp;
            }
        }
    }
    closedir($dp);
    return $aTempArr;
}
/*
 * +----------------------------------------------------------------------
 * //搜索指定目录下的gb2312编码文件,转换成utf-8编码文件
 * +----------------------------------------------------------------------
 */
function change_gb2312_to_utf8_dir($dir) {

    $all_dirs = explorer_dir($dir);
    $suffix_list = array('php', 'htm', 'html', 'txt', 'js');
    echo 'get files count:';
    echo count($all_dirs) . '<br />';
    $i = 0;
    foreach ($all_dirs as $dir_key => $file_path) {

        $file_content = file_get_contents($file_path);
        $i++;
       echo $i . '、' . $file_path.'<br />';
        var_dump($file_encode_type = mb_detect_encoding($file_content, array('UTF-8', 'EUC-CN'), true)); //EUC-CN是gb2312的另外称呼,php这个扩展返回的是值,不是gb2312
        echo '<br />';

        //获取文件的后缀,指定文件类型采取做操作，比如图片就不能去修改的
        $file_name = basename($file_path);
        $suffix = get_file_suffix($file_name);
        if (in_array($suffix, $suffix_list)) {
            if ($file_encode_type == 'EUC-CN') {
                echo '<font color="red">had changed the file from ' . $file_encode_type . '(gb2312) to UTF-8:' . $file_path . '</font><br /><br />';
                //就是gb2312编码的
                $after_change_encode_content = iconv("gb2312", "UTF-8", $file_content);
                unlink($file_path);
                file_put_contents($file_path, $after_change_encode_content);
                unset($after_change_encode_content);
            }
        } else {

            echo '<font color="red">the file not in allow file type:' . $file_path . '</font><br /><br />';
        }
        unset($file_content);
        echo '--------------------------------------------------------------------<br /><br />';
    }
}



/*
 * +----------------------------------------------------------------------
 * //搜索指定目录下指定编码的文件,目的就是帮助我们看出自己的项目哪些是什么编码的文件
 * +----------------------------------------------------------------------
 */
function dir_file_encode_list($dir) {



    $all_dirs = explorer_dir($dir);

    echo 'get files count:';
    echo count($all_dirs) . '<br />';
    $i = 0;
    foreach ($all_dirs as $dir_key => $file_path) {

        $file_content = file_get_contents($file_path);
        $i++;
        echo $i . '、' . $file_path.'<br />';
        var_dump($file_encode_type = mb_detect_encoding($file_content, array('UTF-8', 'EUC-CN'), true)); //EUC-CN是gb2312的另外称呼,php这个扩展返回的是值,不是gb2312
        echo '<br />';
        unset($file_content);

        echo '--------------------------------------------------------------------<br /><br />';
    }
}
/*
 * +----------------------------------------------------------------------
 * 扫描指定目录下的指定目录下的html文件,批量将里面的
 * <meta http-equiv="Content-Type" content="text/html; charset=gbk" />
 * 指定的编码替换成另外一个编码
 * +----------------------------------------------------------------------
 */
function replace_html_charset($dir) {

    $all_dirs = explorer_dir($dir);
    $suffix_list = array('htm', 'html','php');
    echo 'get files count:';
    echo count($all_dirs) . '<br />';
    $i = 0;
    $charset = '<meta http-equiv="Content-Type" content="text/html; charset=gbk" />';
    $to_charset = '<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />';
    foreach ($all_dirs as $dir_key => $file_path) {

        $file_content = file_get_contents($file_path);
        $i++;
        echo $i . '、' . $file_path.'<br />';
        //获取文件的后缀,指定文件类型采取做操作，比如图片就不能去修改的
        $file_name = basename($file_path);
        $suffix = get_file_suffix($file_name);
        if (in_array($suffix, $suffix_list)) {
            $patten = '%' . $charset . '%i';
       
            if (preg_match($patten, $file_content)) {
                $after_change_encode_content = str_ireplace($charset, $to_charset, $file_content);
                unlink($file_path);
                file_put_contents($file_path, $after_change_encode_content);
                unset($after_change_encode_content);
                echo 'find limit :' . $file_path . '<br /><br />';
            }
        }else{
             echo '<font color="red">the file not in allow file type:' . $file_path . '</font><br /><br />';
        }
    }
}

//dir_file_encode_list("D:\\static\\develop\\mama\\test_change_encode");


//change_gb2312_to_utf8_dir("D:\\static\\develop\\mama\\test_change_encode");


//replace_html_charset("D:\\static\\develop\\mama\\test_change_encode");



function get_file_suffix($file_name){

    $file_name_arr = explode(".", $file_name);
        $suffix = array_pop($file_name_arr);

        return $suffix;
}

View Code

posted @ 2017-07-09 08:04 王滔阅读(1182) 评论(0) 编辑收藏举报

刷新页面返回顶部

代码文件的编码不统一导致的坑

公告