原理很简单,因为gb2312/gbk是中文两字节,这两个字节是有取值范围的,而utf-8中汉字是三字节,同样每个字节也有取值范围,而英文不管在何种编码情况下,都是小于128,只占用一个字节,全角除外.

在PHP处理页面的时候,我们对于字符集的转换都是采用了iconv或者mb_convert等函数,但这其实是有一个前提的,即我们事先得知道in和out是什么样的编码,我们才能进行正确的转换.

下面这个函数,就可以在不知道源字符串编码的情况下,自动判断其编码并进行转换,虽然只支持UTF8编码和GB2312编码,但对于国内绝大多数网站来说,已经够用了,代码如下:

1. function safeEncoding($string,$outEncoding = 'UTF-8') 
2. { 
3.     $encoding = "UTF-8"; 
4.     for($i=0;$i<128) 
5.             continue; 
6.  
7.         if((ord($string{$i})&224)==224) 
8.         { 
9.             //第一个字节判断通过 
10.             $char = $string{++$i}; 
11.             if((ord($char)&128)==128) 
12.             { 
13.                 //第二个字节判断通过 
14.                 $char = $string{++$i}; 
15.                 if((ord($char)&128)==128) 
16.                 { 
17.                     $encoding = "UTF-8"; 
18.                     break; 
19.                 } 
20.             } 
21.         } 
22.         if((ord($string{$i})&192)==192) 
23.         { 
24.             //第一个字节判断通过 
25.             $char = $string{++$i}; 
26.             if((ord($char)&128)==128) 
27.             { 
28.                 //第二个字节判断通过 
29.                 $encoding = "GB2312"; 
30.                 break; 
31.             } 
32.         } 
33.     } 
34.  
35.     if(strtoupper($encoding) == strtoupper($outEncoding)) 
36.         return $string; 
37.     else 
38.         return iconv($encoding,$outEncoding,$string); 
39. } 

识别汉字编码,因为YBlog用的是utf-8,如果引用通告发过来的是gb2312的编码的话,需要可以识别并完成编码转换,代码如下:

1. function safeEncoding($string,$outEncoding = 'UTF-8')   
2. {   
3.     $encoding = "UTF-8";   
4.     for($i=0;$i<strlen($string);$i++)   
5.     {   
6.         if(ord($string{$i})<128)   
7.             continue;   
8.   
9.         if((ord($string{$i})&224)==224)   
10.         {   
11.             //第一个字节判断通过   
12.             $char = $string{++$i};   
13.             if((ord($char)&128)==128)   
14.             {   
15.                 //第二个字节判断通过   
16.                 $char = $string{++$i};   
17.                 if((ord($char)&128)==128)   
18.                 {   
19.                     $encoding = "UTF-8";   
20.                     break;   
21.                 }   
22.             }   
23.         }   
24.         if((ord($string{$i})&192)==192)   
25.         {   
26.             //第一个字节判断通过   
27.             $char = $string{++$i};   
28.             if((ord($char)&128)==128)   
29.             {   
30.                 //第二个字节判断通过   
31.                 $encoding = "GB2312";   
32.                 break;   
33.             }   
34.         }   
35.     }   
36.        
37.     if(strtoupper($encoding) == strtoupper($outEncoding))   
38.         return $string;   
39.     else  
40.         return iconv($encoding,$outEncoding,$string);   
41. } 

Tags: 字符集 自动识别 编码

分享到：