php编码转换函数mb_convert_encoding与iconv

2. header("content-type: text/html; charset=utf-8");
3. echo mb_convert_encoding("妳係我的友仔", "utf-8", "gbk");
4. ?>

复制代码

编码转换gb2312到big5：

2. header("content-type: text/html; charset=big5");
3. echo mb_convert_encoding("你是我的朋友", "big5", "gb2312");
4. ?>

复制代码

使用以上php函数需要安装但是需要先enable mbstring 扩展库。

php函数iconv也是用来转换字符串编码的，与上函数功能相似。 例子： iconv — convert string to requested character encoding (php 4 >= 4.0.5, php 5) mb_convert_encoding — convert character encoding (php 4 >= 4.0.6, php 5)

用法： 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。 returns the converted string or false on failure.

使用： 发现iconv在转换字符”—”到gb2312时会出错，如果没有ignore参数，所有该字符后面的字符串都无法被保存。不管怎么样，这个”—”都无法转换成功，无法输出。 另外mb_convert_encoding没有这个bug.

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.

from_encoding is specified by character code name before conversion. it can be array or string - comma separated enumerated list. if it is not specified, the internal encoding will be used. /* auto detect encoding from jis, eucjp-win, sjis-win, then convert str to ucs-2le */ $str = mb_convert_encoding($str, “ucs-2le”, “jis, eucjp-win, sjis-win”); /* “auto” is expanded to “ascii,jis,utf-8,euc-jp,sjis” */ $str = mb_convert_encoding($str, “euc-jp”, “auto”);

例子：

2. $content = iconv("gbk", "utf-8", $content);
3. $content = mb_convert_encoding($content, "utf-8","gbk");

复制代码

php编码中使用mb_convert_encoding转码的小陷阱 在php程序中使用mb_convert_encoding()方法进行字符编码转换大家都很熟悉了，平时也在大量的使用。而且在一般情况下该方法也表现的足够好，值得表扬。但在一个项目中我们需要使用它进行utf8到gbk的转换，在转换一些特殊字符时发现了一个不大不小的问题。

具体表现为mb把在utf8可编码的字符而在gbk中不可编码的字符都转成了\0x00\0x80,这样就导致转换后的gbk字符是有问题的。

在进行字符编码转换的过程中，如果遇到目标编码不可表现的字符，转码程序应该做的是舍弃这种字符，这样虽然丢失了部分数据，但不会导致转码的字符序列不可用。 不清楚mb为什么要使用上述方式而不是舍弃方式。

临时解决方法： 对转码后的字符串序列进行过滤，过滤掉所有\x00\80的字符；又或者在转义之前对utf8的字符串进行过滤，过滤掉ut8可表示而gbk不可表示的所有字符，从实现难度上来讲，第一种过滤方式比较容易做到。