PHP字符串的編碼問題的詳細介紹

更新時間：2013年04月27日 15:52:45 作者：

本篇文章介紹了，在PHP中字符串的編碼問題的詳細分析，需要的朋友參考下

大家都知道，不同字符編碼，其在內(nèi)存占用的字節(jié)數(shù)不一樣。如ASCII編碼字符占用1個字節(jié),UTF-8編碼的中文字符是3字節(jié),GBK為2個字節(jié)。

PHP 也自帶幾種字符串截取函數(shù)，其中常用到的就是 substr 和 mb_substr。

使用substr截取中文字符時會出現(xiàn)亂碼，這是因為substr是按字節(jié)來截取的。即UTF-8編碼的中文，使用substr截取，只會截取1/3個中文，當(dāng)然出現(xiàn)亂碼了。

mb_substr ( string $str , int $start [, int $length [, string $encoding ]] ) 中的參數(shù)$encoding可以指定編碼，如果省略，則使用內(nèi)部字符編碼。

如果不清楚字符串的編碼格式的話，可以用mb_detect_encoding檢查：

$encoding = mb_detect_encoding($string, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));

然后：

mb_substr ( string $str , int $start [, int $length [, string $encoding ]] )

如果自己實現(xiàn)mb_substr,效率并不是很好。

編碼相關(guān)的php函數(shù)使用

ord(substr($str, $i, 1)) > 0xa0)

ord($string)返回字符串第一個字符的ASC碼，通過這個來判斷截取的字符串第一個字符是不是漢字，因為例如gb2312編碼的一個文字是2字節(jié)，utf8為三個字節(jié)。即  編碼大于256的就是漢字。

正則字符：

匹配漢字 : preg_match_all('/[\x80-\xff]?./', $string, $match);

匹配英文: preg_match_all("/[/x01-/x7f]+/", $string, $match);

編碼轉(zhuǎn)換

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

如GB2312 轉(zhuǎn)UTF-8: iconv("GB2312","UTF-8",$text)

url 編碼urlencode

編碼后返回的字符串中除了 -_. 之外的所有非字母數(shù)字字符都將被替換成百分號（%）后跟兩位十六進制數(shù)，空格則編碼為加號（+）。此編碼與 WWW 表單 POST 數(shù)據(jù)的編碼方式是一樣的，同時與 application/x-www-form-urlencoded 的媒體類型編碼方式一樣。

不過應(yīng)該注意的是，在編碼時應(yīng)該只對部分URL編碼，否則URL中的冒號和反斜杠也會被轉(zhuǎn)義。

URLEncode的方式一般有兩種，一種是傳統(tǒng)的基于GB2312的Encode，另一種是基于UTF-8的Encode。如：

復(fù)制代碼代碼如下:

$url = '中國';  
echo urlencode($url );  
//UTF-8: %E4%B8%AD%E5%9B%BD  
//GB2312:%D6%D0%B9%FA  

例如我們使用瀏覽器打開百度，搜索 “中國”. 在地址欄看到:

http://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD&rsv_bp=0&ch=&tn=baidu&bar=&rsv_spt=3&ie=utf-8&rsv_sug3=16&rsv_sug=0&rsv_sug4=302&rsv_sug1=11&inputT=22928

即我們看到“中國”被瀏覽器自動轉(zhuǎn)換為：%E4%B8%AD%E5%9B%BD。

urlencode和rawurlencode的區(qū)別：urlencode將空格編碼為加號“+”，rawurlencode將空格編碼為加號“%20”。

url解碼urldecode 和 rawurldecode

1、在解碼時，可以使用相應(yīng)的 urldecode() 和 rawurldecode()，相應(yīng)地，rawurldecode() 不會把加號（'+'）解碼為空格，而 urldecode() 可以。

2、urldecode() 和 rawurldecode() 解碼出的字符串是 UTF-8格式的編碼，如果URL中含有非UTF-8 編碼的中文，則要把解碼出的字符串進行轉(zhuǎn)換。

如下，先把php文件設(shè)置為gb2312編碼。你會看到一部分是亂碼，一部分是正常的。

$url = '中國';
echo $a = urldecode(urlencode($url)) ,' ';
echo iconv('gb2312', 'utf-8', $a);

�й� 中國