function ?unescape( $str ) {
???? $str ?= rawurldecode( $str );
???? preg_match_all( "/(?:%u.{4})|&#x.{4};|&#\d+;|.+/U" , $str , $r );
???? $ar ?= $r [0];
???? //print_r($ar);
???? foreach ( $ar ?as ?$k => $v ) {
???????? if ( substr ( $v ,0,2) == "%u" ){
???????????? $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "H4" , substr ( $v ,-4)));
?? }
???????? elseif ( substr ( $v ,0,3) == "&#x" ){
???????????? $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "H4" , substr ( $v ,3,-1)));
?? }
???????? elseif ( substr ( $v ,0,2) == "&#" ) {
???????????? ?
???????????? $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "n" , substr ( $v ,2,-1)));
???????? }
???? }
???? return ?join( "" , $ar );
}
echo ?unescape( "紫星蓝" );
今天有用户反馈,表单系统用户提交的数据中文会乱码。测试发现问题出在 iconv 转换上。
iconv( ‘UCS-2‘ , ‘GBK‘ , ‘中文‘ )
Google 搜索发现,原因是 Linux 服务器上 UCS-2 编码方式与 Winodws 不一致。
于是,我改成? iconv( ‘UCS-2BE‘ , ‘GBK‘ , ‘中文‘ ) 试试,中文正常了
? ?
以下是有关两个平台 UCS-2 编码的潜规则:
?
1, UCS-2 不等于 UTF-16。 UTF-16 每个字节使用 ASCII 字符范围编码,而 UCS-2 对每个字节的编码可以超出 ASCII 字符范围。UCS-2 和 UTF-16 对每个字符至多占两个字节,但是他们的编码是不一样的。
?
2, 对于 UCS-2, windows 下默认是 UCS-2LE。用 MultibyteToWidechar(或者A2W)生成的是 UCS-2LE 的 unicode。windows记事本可以将文本保存为 UCS-2BE,相当于多了层转换。
?
3, 对于 UCS-2, linux 下默认是 UCS-2BE。用iconv(指定UCS-2)来转换生成的是 UCS-2BE 的 unicode。如果转换windows平台过来的 UCS-2, 需要指定 UCS-2LE。
?
4, 鉴于windows和linux等多个平台对 UCS-2 的理解不同(UCS-2LE,UCS-2BE)。MS 主张 unicode 有个引导标志(UCS-2LE FFFE, UCS-2BE FEFF),以表明下面的字符是 unicode 并且判别 big-endian 或 little-endian。 所以从 windows 平台过来的数据发现有这个前缀,不用慌张。
?
5, linux 的编码输出,比如从文件输出,从 printf 输出,需要控制台做适当的编码匹配(如果编码不匹配,一般和该程序编译时的编码有若干关系),而控制台的转换输入需要查看当前的系统编码。比如控制台当前的编码是 UTF-8, 那么 UTF-8 编码的东西能正确显示,GBK 就不能;同样,当前编码是 GBK, 就能显示 GBK 编码,后来的系统应该更智能的处理好更多的转换了。不过通过 putty 等终端还是需要设置好终端的编码转换以解除乱码的烦恼。
PHP中对汉字进行UNICODE编码和解码的实现
? //将内容进行UNICODE编码
function ?unicode_encode( $name )
{
???? $name ?= iconv( ‘UTF-8‘ , ‘UCS-2‘ , $name );
???? $len ?= strlen ( $name );
???? $str ?= ‘‘ ;
???? for ?( $i ?= 0; $i ?< $len ?- 1; $i ?= $i ?+ 2)
???? {
???????? $c ?= $name [ $i ];
???????? $c2 ?= $name [ $i ?+ 1];
???????? if ?(ord( $c ) > 0)
???????? {??? // 两个字节的文字
???????????? $str ?.= ‘\u‘ . base_convert (ord( $c ), 10, 16). base_convert (ord( $c2 ), 10, 16);
???????? }
???????? else
???????? {
???????????? $str ?.= $c2 ;
???????? }
???? }
???? return ?$str ;
}
$name ?= ‘MY,你大爷的‘ ;
$unicode_name =unicode_encode( $name );
echo ?‘<h3>‘ . $unicode_name . ‘</h3>‘ ;
// 将UNICODE编码后的内容进行解码
function ?unicode_decode( $name )
{
???? // 转换编码,将Unicode编码转换成可以浏览的utf-8编码
???? $pattern ?= ‘/([\w]+)|(\\\u([\w]{4}))/i‘ ;
???? preg_match_all( $pattern , $name , $matches );
???? if ?(! empty ( $matches ))
???? {
???????? $name ?= ‘‘ ;
???????? for ?( $j ?= 0; $j ?< count ( $matches [0]); $j ++)
???????? {
???????????? $str ?= $matches [0][ $j ];
???????????? if ?( strpos ( $str , ‘\\u‘ ) === 0)
???????????? {
???????????????? $code ?= base_convert ( substr ( $str , 2, 2), 16, 10);
???????????????? $code2 ?= base_convert ( substr ( $str , 4), 16, 10);
???????????????? $c ?= chr ( $code ). chr ( $code2 );
???????????????? $c ?= iconv( ‘UCS-2‘ , ‘UTF-8‘ , $c );
???????????????? $name ?.= $c ;
???????????? }
???????????? else
???????????? {
???????????????? $name ?.= $str ;
???????????? }
???????? }
???? }
???? return ?$name ;
}
echo ?‘MY,\u4f60\u5927\u7237\u7684 -> ‘ .unicode_decode( $unicode_name );
|