php页面编码与字符操作

我们可以用header来定义一个php页面为utf编码或GBK编码，也可以在html中用meta标签来指定编码

例如：php页面为utf编码    header("Content-type: text/html; charset=utf-8");

我们通常使用header或meta，下面说一说两者的区别

 

一、采用meta页面编码

  用meta来设置页面编码

<meta http-equiv="content-type" content="text/html; charset=编码类型">

   作用是：声明客户端的浏览器用什么字符集编码显示该页面，起到通知浏览器的作用。只有字符编码与浏览器编码相同时才不会造成错误而产生乱码。

 

二、采用header()页面编码

用header()来设置页面编码

1 header("content-type:text/html; charset=编码类型"); 

header是发送原始 HTTP 标头，作用是把括号里面的信息发到http标头，浏览器会采用header()中设置的编码。

 

三、AddDefaultCharset方式设置编码

      注意：以前版本的Apache配置时修改AddDefaultCharset这个选项，要改为gb2312或者utf-8，否则汉字会变为乱码，但从Apache 2.0.53 开始,取消了AddDefaultCharset，现在的新版本会自适应浏览器的。所以在apache2.4中是找不到AddDefaultCharset的。

 文档中：

低版本的Apache的 .conf 文件里，有AddDefaultCharset。可以设置defaultcharset  字符编码（删除前面的#）。设置完成后相当于在每个文件中加上header("content-type:text/html; charset=字符编码")。

 

但是和header()还是有区别的（优先级不一样）

1：如果页面没有指定编码 ， Apache配置defaultcharset gbk , 页面文件编码是utf-8。

     页面显示是乱码。在页面没有meta指明charset，设置defaultcharset gbk，这个时候服务器的设置生效，编码不一致，造成乱码；

2：如果页面指定编码为utf-8,  Apache配置defaultcharset  gbk. 页面文件编码是utf-8。

     页面显示乱码。设置defaultcharset gbk，会覆盖页面级别（meta）的编码设置；

3：如果页面header申明charset为utf8, Apache配置defaultcharst gbk,页面文件编码是utf8。

     页面显示正常。这个说明header优先级要高于服务器和浏览器的设置；

4：如果Apache关闭DefaultCharset 。

     页面显示正常。 

  由此得出结论：

       header() >> AddDefaultCharset >> meta

       所以添加header()是比较好的方法

 

四、编码转换函数

 

1：mb_detect_encoding 检查编码

$string = "赵亚飞";
$encode = mb_detect_encoding($string, array("ASCII","UTF-8","GB2312","GBK","BIG5"));
header("content-Type: text/html; charset=".$encode);
echo $string;

    有时会出现检查错误（解决办法）例如：对与GB2312和UTF- 8，或者UTF-8和GBK网上说是由于字符短是，mb_detect_encoding会出现误判。 不是bug，写程序时也不应当过于依赖mb_detect_encoding，当字符串较短时，检测结果产生偏差的可能性很大。 

$encode = mb_detect_encoding($keytitle, array('ASCII','GB2312′,'GBK','UTF-8'); 

三个参数分别是：被检测的输入变量、编码方式的检测顺序(如果为真，后面自动忽略)、strict模式 
对编码检测的顺序进行调整，将最大可能性放在前面，这样减少被错误转换的机会。 一般要先排gb2312，当有GBK和UTF-8时，需要将常用的排列到前面。

 

2：mb_convert_encoding 转换编码

函数原型：string mb_convert_encoding ( string str, string to_encoding [, mixed from_encoding] )
例如：  

1： 将任意类型（ 'ASCII,GB2312,GBK,UTF-8'）字符串$html_str转换成'UTF-8'编码
     $html_str = mb_convert_encoding($html_str, 'UTF-8', 'ASCII,GB2312,GBK,UTF-8');
2：gbk To utf-8
 < ?php 
    header("content-Type: text/html; charset=Utf-8"); 
    echo mb_convert_encoding("赵亚飞", "UTF-8", "GBK"); 
 ?> 

注意：使用上面的函数需要安装但是需要先enable mbstring 扩展库。 在 php.ini里将; extension=php_mbstring.dll 前面的 ; 去掉

mb_convert_encoding 可以指定多种输入编码，它会根据内容自动识别，；执行效率比iconv差很多 

 

3：iconv 转换编码

iconv函数库能够完成各种字符集间的转换，是php编程中不可缺少的基础函数库。

需要注意一下：

iconv在转换字符有时会出错，（如果将utf-8转换为gb2312时，可能会出现字符串被截断的情况发生。）

解决方法：在需要转成的编码后加 "//IGNORE" 是iconv函数第二个参数后。

如下： 

 iconv("UTF-8","GB2312//IGNORE",$data) 

ignore意思是忽略转换时的错误，如果没有ignore参数，所有该字符后面的字符串都无法被保存（不往下进行转换）。

iconv不是php的默认函数，也不是默认安装的模块。需要安装才能用的。 

这里有一个自动判断编码类型，进行转化的函数：

function check_encod($encod,$string){
         //判断字符编码
        $encode = mb_detect_encoding($string, array("ASCII","UTF-8","GB2312","GBK","BIG5"));
        var_dump($encode);
        if($encode != $encod){
             $string = iconv($encode, $encod, $string);
         }
         return $string;
 }
$path = "赵亚飞。.jpg";
$path = check_encod("GB2312",$path);

 

五：字符串截取

1：mb_substr()

      PHP substr()函数可分割文字，但分割的文字如果包括中文字符往往会遇到问题，这时可以用mb_substr()这个函 数，用法与substr()相似，只是在mb_substr()最后要加入多一个参数，以设定字符串的编码， 需要打开php_mbstring.dll，需要在php.ini中把php_mbstring.dll打开。例如：

 echo mb_substr('赵亚飞赵亚飞er',0,9);         //输出：赵亚飞
 echo mb_substr('赵亚飞赵亚飞er',0,9,'utf-8'); //输出：赵亚飞赵亚飞er

   第一个是以三个字节为一个中文，这就是utf-8编码的特点，下面加上utf-8字符集说明，是以一个字为单位来截取的

 2：iconv_substr()

      Substr是截取字符的函数，但是很多时候，截取中文却需要额外处理，原因是中文在UTF-8中占用3个字节，在GB2312中占用2个字节，在截取中随时存在截取的字符串长度与组成未知，所以给很多人造成了困扰。PHP5开始，iconv_substr函数出现

<?php
      $str='赵z亚y飞f/include';  
      echo substr($str,1,5);
      echo "<br>";
      echo iconv_substr($str,1,5,"UTF-8");  
?>  

     这个是在网页编码为UTF-8的PHP代码中使用的截取编码。如果在UTF-8网页中使用GB2312或者GBK编码来截取，会出错，占用字节不同；反之，在GB2312或GBK网页中，不能使用UTF-8来进行截取 。由于iconv_substr是按照字符而非占用字节来计算，所以“a”和“叶”均计算为1位。在GB2312或者GBK中，由于占用字节是一样的，所以可以随意使用GB2312或GBK编码来截取，截取结果是一样的。

3：兼容性良好的截取字符串的函数

 1     /**
      * 截取字符串兼容各种编码
      * 
      * @param string $str
      * @param int    $start    //开始截取位置默认是0
      * @param int    $length   //截取长度
      * @param string $charset  //字符编码
      * @param int    $is_addnode  //是否加省略号
      * @return string
      **/
    public static function cut_string($str, $start=0, $length, $charset="", $is_addnode=true){
        if(empty($str) || $str == ''){
            return $str;
        }
        $real_set = mb_detect_encoding($str, array("UTF-8", "ASCII", "GB2312", "GBK", "BIG5"));
        if(empty($charset)){
            //没有传编码就按本身编码；
            $charset = $real_set;
            if(empty($charset)){
                $charset = 'utf-8';
            }
        }else{
            if($real_set != $charset){
                //如果编码不一致就设置为传入的编码，防止截取乱码
                $str = iconv($real_set, $charset, $str);
            }
        }
        
        //兼容没有安装扩展的情况
        if(function_exists("mb_substr")){
            $cut_str = mb_substr($str, $start, $length, $charset);
        }elseif(function_exists('iconv_substr')) {
            $cut_str = iconv_substr($str, $start, $length, $charset);
        }
        if($is_addnode){
            if($str == $cut_str){
                return $cut_str;
            }else{
                return $cut_str . "......"; 
            } 
        }else{
            return $cut_str;
        }
        //兼容正则截取
        $preg['utf-8'] = "/[x01-x7f]|[xc2-xdf][x80-xbf]|[xe0-xef][x80-xbf]{2}|[xf0-xff][x80-xbf]{3}/";
        $preg['gb2312'] = "/[x01-x7f]|[xb0-xf7][xa0-xfe]/";
        $preg['gbk'] = "/[x01-x7f]|[x81-xfe][x40-xfe]/";
        $preg['big5'] = "/[x01-x7f]|[x81-xfe]([x40-x7e]|xa1-xfe])/";
        preg_match_all($preg[$charset], $str, $match);
        $string = join("",array_slice($match[0], $start, $length));
        if($is_addnode){
            return $string . "......";
        }
        return $string;
    }