詳解PHP用mb_string處理windows中文字符

Posted on by

我們都知道windows中（當然是中文版），文件名和文件內容等編碼都是gbk，而我們在開發過程中，IDE裡的編碼則是UTF-8，（這裡不討論為什麼等等問題，隻考慮怎麼把編碼轉變成一樣的）所以導致我寫的UTF-8編碼的正則模式字符串中的中文在gbk編碼的文件中並不能正確匹配。

一開始，我並沒有什麼辦法，試過把PHP腳本文件的編碼也改成GBK，也可以用，但是想到這種方法太low瞭，所以找一找PHP中有沒有函數可以滿足我的需求。

這時，我想到瞭以前在處理windows中的文件名時用的函數iconv(),其函數原型如下：

stringiconv(string$in_charset,string$out_charset,string$str)

Performsacharactersetconversiononthestringstrfromin_charsettoout_charset.

我們常使用：

$out_charset='utf-8';

$fileName=iconv($fileName,$out_charset,'gbk');

來處理文件名，將文件名改從gbk改為UTF-8而內容不變。

手冊翻譯附加：

  • 如果你在輸出字符串$out_charset後面添加//TRANSLIT即$out_charset=’utf-8//TRANSLIT’,在遇到不能轉換為UTF-8的字符時，程序會自動替換為一個相似字符的UTF-8字符；
  • 如果你在輸出字符串$out_charset後面添加//IGNORE即$out_charset=’utf-8//IGNORE’,在遇到不能轉換為UTF-8的字符時，程序會自動跳過這個字符。
  • 如果你什麼都沒加，就在遇到不能替換成UTF-8的字符時，替換會被中斷。

但是，我在用這個函數處理時，結果卻是這樣：

意思是iconv()函數能處理的最大字符數隻有64，一般的文件名大小，而我的文件內容很顯然不止64個字符。

沒有辦法，我隻好再次各種翻找別的函數。

直到我發現瞭mb_string函數庫，這個函數庫一般都在PHP環境裡集成，我們可以在phpinfo()裡找到它。

mb_string函數裡有一個mb_convert_encoding()函數，可以將一個字符串的編碼改變，其函數原型如下：

stringmb_convert_encoding(string$str,string$to_encoding[,mixed$from_encoding])

Convertsthecharacterencodingofstringstrtoto_encodingfromoptionallyfrom_encoding.

基原型跟iconv()函數差不多，隻是它沒有對輸出函數的後綴修飾，它也沒有對字符串長度的明確限制。

而且我們看到$from_encoding是可選的，它可以自動識別源編碼。

因為找不到一個確切的無法轉碼的字符，也不知道它遇到無法轉碼的字符會怎麼處理。

通過mb_convert_encoding()函數，將整個文件處理瞭一下，於是，問題順利解決。

最後介紹一下mb_string函數庫，它全名叫MultibyteString，它的很多方法都擴展自PHP自身的string函數庫，函數名在原函數的前面加瞭”mb_”，這些函數除瞭擁有原函數的作用外，還在可選參數的最後加入瞭一個$encoding的可選參數，這個參數可以規定函數以什麼樣的編碼方式來處理字符串。

例如strpos()函數，找到一個字符串在另一個字符串中的位置。

strpos(“歡迎來訪問”,”問”,0)返回的結果是12，因為腳本是UTF-8編碼，而將字符串轉為UTF-8編碼後，每個中文字符會占用3個字節。

而在mb_strpos()函數中，mb_strpos(“歡迎來訪問”,”問”,0,’utf-8′)則會返回4,它會將字符串當作已經轉UTF-8的狀態執行。

而mb_strpos(“歡迎來訪問”,”問”,0,’gbk’)會返回6

以上就是詳解PHP用mb_string處理windows中文字符的詳細內容，更多關於PHP用mb_string處理windows中文字符的資料請關註WalkonNet其它相關文章！

推薦閱讀：