詳解PHP用mb_string處理windows中文字符

我們都知道windows中（當(dāng)然是中文版），文件名和文件內(nèi)容等編碼都是gbk，而我們?cè)陂_發(fā)過(guò)程中，IDE里的編碼則是UTF-8，（這里不討論為什么等等問(wèn)題，只考慮怎么把編碼轉(zhuǎn)變成一樣的）所以導(dǎo)致我寫的UTF-8編碼的正則模式字符串中的中文在gbk編碼的文件中并不能正確匹配。

一開始，我并沒(méi)有什么辦法，試過(guò)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了，所以找一找PHP中有沒(méi)有函數(shù)可以滿足我的需求。

這時(shí)，我想到了以前在處理windows中的文件名時(shí)用的函數(shù)iconv(),其函數(shù)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(lái)處理文件名，將文件名改從gbk改為UTF-8而內(nèi)容不變。

手冊(cè)翻譯附加：

• 如果你在輸出字符串$out_charset后面添加//TRANSLIT即$out_charset='utf-8//TRANSLIT',在遇到不能轉(zhuǎn)換為UTF-8的字符時(shí)，程序會(huì)自動(dòng)替換為一個(gè)相似字符的UTF-8字符；
• 如果你在輸出字符串$out_charset后面添加//IGNORE即$out_charset='utf-8//IGNORE',在遇到不能轉(zhuǎn)換為UTF-8的字符時(shí)，程序會(huì)自動(dòng)跳過(guò)這個(gè)字符。
• 如果你什么都沒(méi)加，就在遇到不能替換成UTF-8的字符時(shí)，替換會(huì)被中斷。

但是，我在用這個(gè)函數(shù)處理時(shí)，結(jié)果卻是這樣：

意思是iconv()函數(shù)能處理的最大字符數(shù)只有64，一般的文件名大小，而我的文件內(nèi)容很顯然不止64個(gè)字符。

沒(méi)有辦法，我只好再次各種翻找別的函數(shù)。

直到我發(fā)現(xiàn)了mb_string函數(shù)庫(kù)，這個(gè)函數(shù)庫(kù)一般都在PHP環(huán)境里集成，我們可以在phpinfo()里找到它。

mb_string函數(shù)里有一個(gè)mb_convert_encoding()函數(shù)，可以將一個(gè)字符串的編碼改變，其函數(shù)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(shù)差不多，只是它沒(méi)有對(duì)輸出函數(shù)的后綴修飾，它也沒(méi)有對(duì)字符串長(zhǎng)度的明確限制。

而且我們看到$from_encoding是可選的，它可以自動(dòng)識(shí)別源編碼。

因?yàn)檎也坏揭粋€(gè)確切的無(wú)法轉(zhuǎn)碼的字符，也不知道它遇到無(wú)法轉(zhuǎn)碼的字符會(huì)怎么處理。

通過(guò)mb_convert_encoding()函數(shù)，將整個(gè)文件處理了一下，于是，問(wèn)題順利解決。

最后介紹一下mb_string函數(shù)庫(kù)，它全名叫MultibyteString，它的很多方法都擴(kuò)展自PHP自身的string函數(shù)庫(kù)，函數(shù)名在原函數(shù)的前面加了"mb_"，這些函數(shù)除了擁有原函數(shù)的作用外，還在可選參數(shù)的最后加入了一個(gè)$encoding的可選參數(shù)，這個(gè)參數(shù)可以規(guī)定函數(shù)以什么樣的編碼方式來(lái)處理字符串。

例如strpos()函數(shù)，找到一個(gè)字符串在另一個(gè)字符串中的位置。

strpos("歡迎來(lái)訪問(wèn)","問(wèn)",0)返回的結(jié)果是12，因?yàn)槟_本是UTF-8編碼，而將字符串轉(zhuǎn)為UTF-8編碼后，每個(gè)中文字符會(huì)占用3個(gè)字節(jié)。

而在mb_strpos()函數(shù)中，mb_strpos("歡迎來(lái)訪問(wèn)","問(wèn)",0,'utf-8')則會(huì)返回4,它會(huì)將字符串當(dāng)作已經(jīng)轉(zhuǎn)UTF-8的狀態(tài)執(zhí)行。

而mb_strpos("歡迎來(lái)訪問(wèn)","問(wèn)",0,'gbk')會(huì)返回6

以上就是詳解PHP用mb_string處理windows中文字符的詳細(xì)內(nèi)容，更多關(guān)于PHP用mb_string處理windows中文字符的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！