晚上在抓取某网站数据，结果在数据包中发现了这么一串编码的数据："......\u65b0\u6d6a\u5fae\u535a......", 这其实是中文被unicode编码后了的数据，我现在就是想解码出中文来，上度娘搞了半天，试了很多的姿（方）势（法），终于搞定了。

问题背景：

晚上在抓取某网站数据，结果在数据包中发现了这么一串编码的数据："......\u65b0\u6d6a\u5fae\u535a......", 这其实是中文被unicode编码后了的数据，我现在就是想解码出中文来，上度娘搞了半天，试了很多的姿（方）势（法），终于搞定了。

解决方案：

呵呵，老外就是给力啊， 猛戳这里看老外给的解决方案

方案A(稳定版+推荐)：

1. function replace_unicode_escape_sequence($match) { 
2.   return mb_convert_encoding(pack('H*', $match[1]), 'UTF-8', 'UCS-2BE'); 
3. } 
4. $name = '\u65b0\u6d6a\u5fae\u535a'; 
5. $str = preg_replace_callback('/\\\\u([0-9a-f]{4})/i', 'replace_unicode_escape_sequence', $name); 
6. echo $str; //输出： 新浪微博  
7.  
8. //咱将上述方案A给封装起来~~~(方案A稳定版+升级+推荐) 
9. class Helper_Tool 
10. { 
11.   static function unicodeDecode($data) 
12.   {   
13.     function replace_unicode_escape_sequence($match) { 
14.       return mb_convert_encoding(pack('H*', $match[1]), 'UTF-8', 'UCS-2BE'); 
15.     }   
16.    
17.     $rs = preg_replace_callback('/\\\\u([0-9a-f]{4})/i', 'replace_unicode_escape_sequence', $data); 
18.    
19.     return $rs; 
20.   }   
21. } 
22. //调用 
23. $name = '\u65b0\u6d6a\u5fae\u535a'; 
24. $data = Helper_Tool::unicodeDecode($name); //输出新浪微博 

方案B(次推荐)：

1. <?php 
2. function unicodeDecode($name){ 
3.   $json = '{"str":"'.$name.'"}'; 
4.   $arr = json_decode($json,true); 
5.   if(emptyempty($arr)) return '';  
6.   return $arr['str']; 
7. } 
8. $name = '\u65b0\u6d6a\u5fae\u535a'; 
9. echo unicodeDecode($name); //输出： 新浪微博  

对于方案B， 我要特别重点说明下注意事项， 在好友 XAR (猛戳XAR博客) 的技术支持下，总结出要处理的字符串（即传递给函数unicodeDecode的参数$name的内容中一定不能包含单引号，否则就会导致解析失败, 所以有必要的话可以借助 str_replace()函数将非法字符格式化为合格字符）

Tags: unicode中文字符

分享到：