php自动获取字符串编码函数mb_detect_encoding

dly · 发表于 2012-10-14 00:12:20

当在php中使用mb_detect_encoding函数进行编码识别时，很多人都碰到过识别编码有误的问题，例如对与GB2312和UTF- 8，或者UTF-8和GBK(这里主要是对于cp936的判断),网上说是由于字符短是，mb_detect_encoding会出现误判。
例如:

$encode = mb_detect_encoding($keytitle, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));
if ($encode == “UTF-8″){
$keytitle = iconv("UTF-8″,"GBK",$keytitle);
}

复制代码

这段代码的作用是检测字符串的编码是否UTF-8，是的话就转换为GBK。
可是当 $keytitle = “%D0%BE%C6%AC”;时。检测结果却是UTF-8.这个bug其实不算是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。
怎么解决呢，我的办法是：

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

复制代码

三个参数分别是：被检测的输入变量、编码方式的检测顺序(一旦为真，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。

php下检测字符串是否是utf8编码的代码

给一个字符串，怎么判断它是什么编码呢？php有一个函数：mb_detect_encoding。不过这个东西需要有mb_string库，不是到处都能用的。

function is_utf8($string) {
return preg_match('%^(?:
[\x09\x0A\x0D\x20-\x7E] # ASCII
| [\xC2-\xDF][\x80-\xBF] # non-overlong 2-byte
| \xE0[\xA0-\xBF][\x80-\xBF] # excluding overlongs
| [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2} # straight 3-byte
| \xED[\x80-\x9F][\x80-\xBF] # excluding surrogates
| \xF0[\x90-\xBF][\x80-\xBF]{2} # planes 1-3
| [\xF1-\xF3][\x80-\xBF]{3} # planes 4-15
| \xF4[\x80-\x8F][\x80-\xBF]{2} # plane 16
)*$%xs', $string);
}

复制代码

准确率基本和mb_detect_encoding一样，要对一起对，要错一起错。
编码检测不可能100%准确，这个东西已经可以基本满足要求了。

dly · 发表于 2012-11-14 12:34:21

1314study 发表于 2012-11-14 11:45
顶！！！！！！！！！！！！！！！！！！！！！！！！！

你想干嘛

php自动获取字符串编码函数mb_detect_encoding

相关帖子