本文實(shí)例講述了php使用iconv中文截?cái)鄦栴}的解決方法。分享給大家供大家參考。具體分析如下：

今天做了一個(gè)采集程序，原理很簡單，使用curl方法把對方頁面的html獲取分析，然后正則提取需要的數(shù)據(jù)并保存在數(shù)據(jù)庫。

由于對方頁面是GB2312編碼，而本地使用的是UTF-8編碼。因此在采集后需要進(jìn)行編碼轉(zhuǎn)換。

使用了iconv方法進(jìn)行編碼轉(zhuǎn)換

iconv — 字符串按要求的字符編碼來轉(zhuǎn)換 
string iconv ( string $in_charset , string $out_charset , string $str )

將字符串 str 從 in_charset 轉(zhuǎn)換編碼到 out_charset 。  

轉(zhuǎn)換的方法很簡單，直接使用iconv方法就可以了

<?php 
$content = iconv('GB2312', 'UTF-8', $content); //$content為采集到的內(nèi)容 
?> 

試驗(yàn)了幾個(gè)頁面，都能正常采集。但在之后的采集中，有幾個(gè)頁面采集不完整。
一開始考慮是否正則有錯(cuò)，檢查后排除此問題。經(jīng)過排查，發(fā)現(xiàn)經(jīng)過iconv轉(zhuǎn)碼后的內(nèi)容比采集的內(nèi)容少了一大段。
查看apache log，看到提示：Notice: iconv(): Detected an illegal character in input string。

翻查手冊，看到以下說明

如果你在 out_charset 后添加了字符串 //TRANSLIT，將啟用轉(zhuǎn)寫（transliteration）功能。這個(gè)意思是，當(dāng)一個(gè)字符不能被目標(biāo)字符集所表示時(shí)，它可以通過一個(gè)或多個(gè)形似的字符來近似表達(dá)。

如果你添加了字符串 //IGNORE，不能以目標(biāo)字符集表達(dá)的字符將被默默丟棄。 否則， str 從第一個(gè)無效字符開始截?cái)嗖?dǎo)致一個(gè) E_NOTICE 。

原來iconv遇到不能識別的內(nèi)容，會從第一個(gè)不能識別的字符開始截?cái)?，并生成一個(gè)E_NOTICE。因此后邊的內(nèi)容被丟棄了。

而在輸出字符集后加上//IGNORE則只丟棄不能識別的內(nèi)容，而不會截?cái)嗪蛠G棄后面的內(nèi)容。

修改程序后一切正常

<?php 
$content = iconv('GB2312','UTF-8//IGNORE',$content);//$content為采集到的內(nèi)容
?> 

Tips：使用iconv時(shí),如果要使用UTF-8編碼的，請使用UTF-8而不要使用UTF8，因?yàn)閁TF8有些服務(wù)器會有問題。

希望本文所述對大家的php程序設(shè)計(jì)有所幫助。

最新評論