联想到discuz，ecshop发布一个新版本的系统给大家使用，会提供utf-8，gb2312版本的代码下载。所以肯定是批量转换编码出来的。
这种是转换html文件。
http://blog.csdn.net/iseagold/article/details/5472377
我需要找一个批量转换文件编码的工具才行。
问题在于：目录中混合了gb2312和utf8编码的。如何才能用工具去自动判断呢。
不要强制转换一次编码。
gb2312和utf8编码的。如果是utf8编码的文件，就不要转换，如果是gb2312的编码才执行转换成utf8编码。
http://blog.csdn.net/liu_qiqi/article/details/38706497
按照给定的字符集存储文件时，在文件的最开头的三个字节中就有可能存储着编码信息，所以，基本的原理就是只要读出文件前三个字节，判定这些字节的值，就可以得知其编码的格式。其实，如果项目运行的平台就是中文操作系统，如果这些文本文件在项目内产生，即开发人员可以控制文本的编码格式，只要判定两种常见的编码就可以 了：GBK和UTF-8。由于中文Windows默认的编码是GBK，所以一般只要判定UTF-8编码格式。
对于UTF-8编码格式的文本文件，其前3个字节的值就是-17、-69、-65，所以，判定是否是UTF-8编码格式的代码片段如下：
php的mb_detect_encoding函数，我正准备试一试：
function characet($data){
if( !empty($data) ){
$filetype = mb_detect_encoding($data , array(‘utf-8‘,‘gbk‘,‘latin1‘,‘big5‘)) ;
if( $filetype != ‘utf-8‘){
$data = mb_convert_encoding($data ,‘utf-8‘ , $filetype);
}
}
return $data;
}
http://blog.csdn.net/wydycrtd/article/details/4793124
有人也说了，
重新认识一下此问题，当时版主回复的时候我就觉得mb函数里一定有这样的功能，但今日研究了mb库，并没有这样的功能。用mb_detect_encoding总是不准确。
mbstring 当前实现了以下编码检测筛选器。 如有以下编码列表的无效字节序列，编码的检测将会失败。
UTF-8, UTF-7, ASCII, EUC-JP,SJIS, eucJP-win, SJIS-win, JIS, ISO-2022-JP
var_dump(mb_detect_encoding($str,array(‘UTF-8‘,‘GB2312‘)));
EUC-CN EUC-CN是GB2312最常用的表示方法。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。
php中用mb_detect_encoding测出来的euc-cn是gb2312编码:EUC-CN是GB2312最常用的表示方法
GB 2312字元使用两个字节来表示。
“第一位字节”使用0xA1-0xFE
“第二位字节”使用0xA1-0xFE
网上找到的不能解决自动检测编码的问题，这里我根据自己需要。检测两种编码就可以了：gb2312和utf-8
<?php
header("Content-type: text/html; charset=utf-8");
/*
* +---------------------------------------------------
* 遍历指定目录,形成一个目录句柄返回
* +---------------------------------------------------
*
* +---------------------------------------------------
*/
function explorer_dir($sDir) {
static $aTempArr = array();
$dp = opendir($sDir);
while ($sFileName = readdir($dp)) {
if ($sFileName != ‘.‘ && $sFileName != ‘..‘) {
$sPath = $sDir . "/" . $sFileName;
if (is_dir($sPath)) {
explorer_dir($sPath);
} else {
// $filetime=date("Y-m-d H:i:s",filectime("$path"));
// $fp=$path.",".$filetime;
$fp = $sPath;
$aTempArr[] = $fp;
}
}
}
closedir($dp);
return $aTempArr;
}
/*
* +----------------------------------------------------------------------
* //搜索指定目录下的gb2312编码文件,转换成utf-8编码文件
* +----------------------------------------------------------------------
*/
function change_gb2312_to_utf8_dir($dir) {
$all_dirs = explorer_dir($dir);
$suffix_list = array(‘php‘, ‘htm‘, ‘html‘, ‘txt‘, ‘js‘);
echo ‘get files count:‘;
echo count($all_dirs) . ‘<br />‘;
$i = 0;
foreach ($all_dirs as $dir_key => $file_path) {
$file_content = file_get_contents($file_path);
$i++;
echo $i . ‘、‘ . $file_path.‘<br />‘;
var_dump($file_encode_type = mb_detect_encoding($file_content, array(‘UTF-8‘, ‘EUC-CN‘), true)); //EUC-CN是gb2312的另外称呼,php这个扩展返回的是值,不是gb2312
echo ‘<br />‘;
//获取文件的后缀,指定文件类型采取做操作，比如图片就不能去修改的
$file_name = basename($file_path);
$suffix = get_file_suffix($file_name);
if (in_array($suffix, $suffix_list)) {
if ($file_encode_type == ‘EUC-CN‘) {
echo ‘<font color="red">had changed the file from ‘ . $file_encode_type . ‘(gb2312) to UTF-8:‘ . $file_path . ‘</font><br /><br />‘;
//就是gb2312编码的
$after_change_encode_content = iconv("gb2312", "UTF-8", $file_content);
unlink($file_path);
file_put_contents($file_path, $after_change_encode_content);
unset($after_change_encode_content);
}
} else {
echo ‘<font color="red">the file not in allow file type:‘ . $file_path . ‘</font><br /><br />‘;
}
unset($file_content);
echo ‘--------------------------------------------------------------------<br /><br />‘;
}
}
/*
* +----------------------------------------------------------------------
* //搜索指定目录下指定编码的文件,目的就是帮助我们看出自己的项目哪些是什么编码的文件
* +----------------------------------------------------------------------
*/
function dir_file_encode_list($dir) {
$all_dirs = explorer_dir($dir);
echo ‘get files count:‘;
echo count($all_dirs) . ‘<br />‘;
$i = 0;
foreach ($all_dirs as $dir_key => $file_path) {
$file_content = file_get_contents($file_path);
$i++;
echo $i . ‘、‘ . $file_path.‘<br />‘;
var_dump($file_encode_type = mb_detect_encoding($file_content, array(‘UTF-8‘, ‘EUC-CN‘), true)); //EUC-CN是gb2312的另外称呼,php这个扩展返回的是值,不是gb2312
echo ‘<br />‘;
unset($file_content);
echo ‘--------------------------------------------------------------------<br /><br />‘;
}
}
/*
* +----------------------------------------------------------------------
* 扫描指定目录下的指定目录下的html文件,批量将里面的
* <meta http-equiv="Content-Type" content="text/html; charset=gbk" />
* 指定的编码替换成另外一个编码
* +----------------------------------------------------------------------
*/
function replace_html_charset($dir) {
$all_dirs = explorer_dir($dir);
$suffix_list = array(‘htm‘, ‘html‘,‘php‘);
echo ‘get files count:‘;
echo count($all_dirs) . ‘<br />‘;
$i = 0;
$charset = ‘<meta http-equiv="Content-Type" content="text/html; charset=gbk" />‘;
$to_charset = ‘<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />‘;
foreach ($all_dirs as $dir_key => $file_path) {
$file_content = file_get_contents($file_path);
$i++;
echo $i . ‘、‘ . $file_path.‘<br />‘;
//获取文件的后缀,指定文件类型采取做操作，比如图片就不能去修改的
$file_name = basename($file_path);
$suffix = get_file_suffix($file_name);
if (in_array($suffix, $suffix_list)) {
$patten = ‘%‘ . $charset . ‘%i‘;
if (preg_match($patten, $file_content)) {
$after_change_encode_content = str_ireplace($charset, $to_charset, $file_content);
unlink($file_path);
file_put_contents($file_path, $after_change_encode_content);
unset($after_change_encode_content);
echo ‘find limit :‘ . $file_path . ‘<br /><br />‘;
}
}else{
echo ‘<font color="red">the file not in allow file type:‘ . $file_path . ‘</font><br /><br />‘;
}
}
}
//dir_file_encode_list("D:\\static\\develop\\mama\\test_change_encode");
//change_gb2312_to_utf8_dir("D:\\static\\develop\\mama\\test_change_encode");
//replace_html_charset("D:\\static\\develop\\mama\\test_change_encode");
function get_file_suffix($file_name){
$file_name_arr = explode(".", $file_name);
$suffix = array_pop($file_name_arr);
return $suffix;
}