UTF-8转GB2312的php代码

阅读: 376

在UTF-8,与UNICODE之间转换的时候，用二进制运算，代替了字符串的转换。UTF-8一个汉字，用3个字节，而UNICODE用2个字节；对应关系如下：

将UTF-8编码的字符串转化成GB2312的编码，没有对应编码的字符串转化为&#DEC; 的格式。如 회=>회

　　语言：PHP，Javascript

　　内容：浏览器用Javascript中encodeURI函数将字符串（包含非GB2312中字符)编码，GET请求到服务器，页面编码均为GB2312，服务器PHP脚本将请求数据转换成GB2312表示。

　　基础：

　　1. 单独使用iconv函数只能转换GB2312字符，外文字符无法转换
　　2. 没有现成的函数可以用
　　3. bindec()函数：将二进制格式的"01"字符串转换为十进制数
　　4. decbin()函数：将十进制数转换为二进制字符串，如decbin(224)="11100000"

　　思路：因为UTF-8分别有1,2,3字节编码，中日韩文都是3字节编码，处理时根据字符编码中首字节大小区分字节数量。

　　1.如首字节小于128，为ASCII码
　　2.128~192，非UTF-8编码，且处理为&#ord();
　　3. 192~224,  双字节UTF-8编码
　　4. 224~240，三字节编码
　　5. 240~248，四字节编码
　　6. 。。。
　　7. 对于三字节编码的尝试用iconv转换成GB2312
　　8. 非GB2312的多字节字符，尝试把UTF-8转换成Unicode，再取到Unicode十进制值
　　9. 可以考虑使用位运算，也可以用bindec()函数

　　程序：

 function GetGB2312String($name)
 {
  $tostr = "";
  for($i=0;$i<strlen($name);$i++)
  {
   $curbin = ord(substr($name,$i,1));
   if($curbin < 0x80)
   {
    $tostr .= substr($name,$i,1);
   }elseif($curbin < bindec("11000000")){
    $str = substr($name,$i,1);
    $tostr .= "&#".ord($str).";";
   }elseif($curbin < bindec("11100000")){
    $str = substr($name,$i,2);
    $tostr .= "&#".GetUnicodeChar($str).";";
    $i += 1;
   }elseif($curbin < bindec("11110000")){
    $str = substr($name,$i,3);
    $gstr= iconv("UTF-8","GB2312",$str);
    if(!$gstr)
    {
     $tostr .= "&#".GetUnicodeChar($str).";";
    }else{
     $tostr .= $gstr;
    }
   
    $i += 2;
   }elseif($curbin < bindec("11111000")){
    $str = substr($name,$i,4);
    $tostr .= "&#".GetUnicodeChar($str).";";
   
    $i += 3;
   }elseif($curbin < bindec("11111100")){
    $str = substr($name,$i,5);
    $tostr .= "&#".GetUnicodeChar($str).";";
   
    $i += 4;
   }else{
    $str = substr($name,$i,6);
    $tostr .= "&#".GetUnicodeChar($str).";";
   
    $i += 5;
   }
  }
 
  return $tostr;
 }
 
 function GetUnicodeChar($str)
 {
  $temp = "";
  for($i=0;$i<strlen($str);$i++)
  {
   $x = decbin(ord(substr($str,$i,1)));
   if($i == 0)
   {
    $s = strlen($str)+1;
    $temp .= substr($x,$s,8-$s);
   }else{
    $temp .= substr($x,2,6);
   }
  }
 
  return bindec($temp);
 }

　　附：

U-00000000 - U-0000007F:  0xxxxxxx 
U-00000080 - U-000007FF:  110xxxxx 10xxxxxx 
U-00000800 - U-0000FFFF:  1110xxxx 10xxxxxx 10xxxxxx 
U-00010000 - U-001FFFFF:  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-00200000 - U-03FFFFFF:  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-04000000 - U-7FFFFFFF:  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

分享常识给亲友.

下一篇:网页设计使用alt标签属性 下一篇 【方向键 ( → )下一篇】

上一篇:以下关于RDS说法有误的是 上一篇 【方向键 ( ← )上一篇】