拍拍尘土

PHP判断字符串编码函数mb_detect_encoding总结


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)

iconv — 字符串按要求的字符编码来转换
mb_convert_encoding — 转换字符的编码

这两个函数功能类似都是用来转换字符串编码的；
用法：

string mb_convert_encoding ( string str, string to_encoding [, mixed from_encoding] )

注：需要先启用 mbstring 扩展库，在 php.ini里将; extension=php_mbstring.dll 前面的 ; 去掉

参数：str——要编码的str、to_encoding——str要转换成编码类型、from_encoding——在转换前通过字符代码名称来指定。 它可以是一个 array 也可以是逗号分隔的枚举列表。 如果没有提供 from_encoding，则会使用内部（internal）编码。 参见支持的编码。

支持的字符编码

当前 mbstring 模块支持以下的字符编码。这些字符编码中的任意一个都能指定到 mbstring 函数中的 encoding 参数。

该 PHP 扩展支持的字符编码有以下几种：

        UCS-4*
        UCS-4BE
        UCS-4LE*
        UCS-2
        UCS-2BE
        UCS-2LE
        UTF-32*
        UTF-32BE*
        UTF-32LE*
        UTF-16*
        UTF-16BE*
        UTF-16LE*
        UTF-7
        UTF7-IMAP
        UTF-8*
        ASCII*
        EUC-JP*
        SJIS*
        eucJP-win*
        SJIS-win*
        ISO-2022-JP
        ISO-2022-JP-MS
        CP932
        CP51932
        SJIS-mac** (别名： MacJapanese)
        SJIS-Mobile#DOCOMO** (别名： SJIS-DOCOMO)
        SJIS-Mobile#KDDI** (别名： SJIS-KDDI)
        SJIS-Mobile#SOFTBANK** (别名： SJIS-SOFTBANK)
        UTF-8-Mobile#DOCOMO** (别名： UTF-8-DOCOMO)
        UTF-8-Mobile#KDDI-A**
        UTF-8-Mobile#KDDI-B** (别名： UTF-8-KDDI)
        UTF-8-Mobile#SOFTBANK** (别名： UTF-8-SOFTBANK)
        ISO-2022-JP-MOBILE#KDDI** (别名： ISO-2022-JP-KDDI)
        JIS
        JIS-ms
        CP50220
        CP50220raw
        CP50221
        CP50222
        ISO-8859-1*
        ISO-8859-2*
        ISO-8859-3*
        ISO-8859-4*
        ISO-8859-5*
        ISO-8859-6*
        ISO-8859-7*
        ISO-8859-8*
        ISO-8859-9*
        ISO-8859-10*
        ISO-8859-13*
        ISO-8859-14*
        ISO-8859-15*
        byte2be
        byte2le
        byte4be
        byte4le
        BASE64
        HTML-ENTITIES
        7bit
        8bit
        EUC-CN*
        CP936
        GB18030**
        HZ
        EUC-TW*
        CP950
        BIG-5*
        EUC-KR*
        UHC (CP949)
        ISO-2022-KR
        Windows-1251 (CP1251)
        Windows-1252 (CP1252)
        CP866 (IBM866)
        KOI8-R*

* 表示该编码也可以在正则表达式中使用。

** 表示该编码自 PHP 5.4.0 始可用。

任何接受编码名称的 php.ini 条目同样也可以使用 "auto" 和 "pass" 的值。 接受编码名的 mbstring 函数同样也可以使用值 "auto"。

如果设置了 "pass"，将不会对字符的编码进行转化。

如果设置了 "auto"，它将扩展成 NLS 中定义的每个字符编码列表。 比如，假设 NLS 设置为 Japanese，值将会认为是 "ASCII,JIS,UTF-8,EUC-JP,SJIS"。

NLS：国家语言支持(National Language Support)
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. （返回转换后的字符串;如果执行失败将返回FALSE。）

使用：

1. 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。

2. 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；如：
$str = mb_convert_encoding($str,"euc-jp","ASCII,JIS,EUC-JP,SJIS,UTF-8");“ASCII,JIS,EUC-JP,SJIS,UTF-8”的顺序不同效果也有差异 。

3. 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.

$str = mb_convert_encoding($str, "UCS-2LE", "JIS, eucjp-win, sjis-win");
$str = mb_convert_encoding($str, "EUC-JP', " auto");

例子：

$content = iconv("GBK", "UTF-8", $content);
$content = mb_convert_encoding($content, "UTF-8", "GBK");


输出结果：
Original : This is the Euro symbol '€'.
TRANSLIT : This is the Euro symbol 'EUR'.
IGNORE : This is the Euro symbol ''.
Plain :
Notice: iconv(): Detected an illegal character in input string in .\iconv-example.php on line 7
This is the Euro symbol '


http://my.oschina.net/junn/blog/152129