php编码转换及问题

首先，编码，在大陆，最常见的也就两种，一种是utf-8，一种是gbk/gb2312。

gb2312是简体中文编码。gbk/gb2312是中文编码，二者是相对兼容的。

数据库存储数据，一般采用utf8编码方式。而常常我们windows系统默认的编码方式是gb2312，这就出现了编码不统一的问题。

 

情景：

写入数据库。此时：我们需要将编码改为utf8后，才能往数据库存储。

其实，只需要简单的三步：判断编码，编码转换，写入数据库。（仅提供gbk/gb2312 与 utf8编码之间的转换，其他非主流类似处理即可）

一、判断编码

有很多种方式，我现在用的是这种：

function is_utf8($string) {   
    return preg_match('%^(?:
        [\x09\x0A\x0D\x20-\x7E]                                                                                                            
        | [\xC2-\xDF][\x80-\xBF]
        |  \xE0[\xA0-\xBF][\x80-\xBF]
        | [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}
        |  \xED[\x80-\x9F][\x80-\xBF]
        |  \xF0[\x90-\xBF][\x80-\xBF]{2}
        | [\xF1-\xF3][\x80-\xBF]{3}
        |  \xF4[\x80-\x8F][\x80-\xBF]{2}
    )*$%xs', $string);  
}

这是各种编码的区间：

$re['utf-8']  = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";
$re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";
$re['gbk']    = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";
$re['big5']   = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";

通过此函数，稍作修改即可：

function is_utf8($string) {
    return preg_match('/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/', $string);
}

 

二、编码转换

编码转换一般有三种方式：1、iconv  2、mbstring扩展 3、自写转换函数

2、因为我php开启了mbstring扩展，我使用的是此方式。

//utf-8 to gb2312
$str = mb_convert_encoding("杨森", "gb2312", "utf-8"); 
//GBK to UTF-8
$str = mb_convert_encoding($str, "utf-8", "GBK");

1、iconv转换

//UTF-8 to GB2312
//UTF-8转换时有小bug，请在第二个参数后加"//IGNORE"
iconv("UTF-8","GB2312//IGNORE",$data)

//GB2312 to UTF-8
iconv('GB2312', 'UTF-8', $str);

3、自写转换函数，我还没自己写过，没有自己的，写上来也是网上查询所得。所以建议网上自行查询。

 

4、如果牵涉到文件上传的编码，可使用以上函数直接读入然后写入即可。

file_get_contents($path);
if(!is_utf8($str)) {                                                                                                                   
    $str = mb_convert_encoding($str, "utf-8", "gbk");
    file_put_contents($path, $str);
}

然后就写入数据库了。