UTF-8转换成GB2312的全处理

2009-12-21 17:49| 发布者: admin| 查看: 32| 评论: 0|原作者: 琴姬

　　主题：将UTF-8编码的字符串转化成GB2312的编码，没有对应编码的字符串转化为&#DEC; 的格式。如 ?=>회
　　语言：PHP，Javascript
　　内容：浏览器用Javascript中encodeURI函数将字符串（包含非GB2312中字符)编码，GET请求到服务器，页面编码均为GB2312，服务器PHP脚本将请求数据转换成GB2312表示。
　　基础：
　　1. 单独使用iconv函数只能转换GB2312字符，外文字符无法转换
　　2. 没有现成的函数可以用
　　3. bindec()函数：将二进制格式的"01"字符串转换为十进制数
　　4. decbin()函数：将十进制数转换为二进制字符串，如decbin(224)="11100000"
　　思路：因为UTF-8分别有1,2,3字节编码，中日韩文都是3字节编码，处理时根据字符编码中首字节大小区分字节数量。
　　1.如首字节小于128，为ASCII码
　　2.128~192，非UTF-8编码，且处理为&#ord();
　　3. 192~224, 双字节UTF-8编码
　　4. 224~240，三字节编码
　　5. 240~248，四字节编码
　　6. 。。。
　　7. 对于三字节编码的尝试用iconv转换成GB2312
　　8. 非GB2312的多字节字符，尝试把UTF-8转换成Unicode，再取到Unicode十进制值
　　9. 可以考虑使用位运算，也可以用bindec()函数
　　程序：
function GetGB2312String($name)
{
$tostr = "";
for($i=0;$i {
$curbin = ord(substr($name,$i,1));
if($curbin < 0x80)
{
$tostr .= substr($name,$i,1);
}elseif($curbin < bindec("11000000")){
$str = substr($name,$i,1);
$tostr .= "&#".ord($str).";";
}elseif($curbin < bindec("11100000")){
$str = substr($name,$i,2);
$tostr .= "&#".GetUnicodeChar($str).";";
$i += 1;
}elseif($curbin < bindec("11110000")){
$str = substr($name,$i,3);
$gstr= iconv("UTF-8","GB2312",$str);
if(!$gstr)
{
$tostr .= "&#".GetUnicodeChar($str).";";
}else{
$tostr .= $gstr;
}

$i += 2;
}elseif($curbin < bindec("11111000")){
$str = substr($name,$i,4);
$tostr .= "&#".GetUnicodeChar($str).";";

$i += 3;
}elseif($curbin < bindec("11111100")){
$str = substr($name,$i,5);
$tostr .= "&#".GetUnicodeChar($str).";";

$i += 4;
}else{
$str = substr($name,$i,6);
$tostr .= "&#".GetUnicodeChar($str).";";

$i += 5;
}
}

return $tostr;
}

function GetUnicodeChar($str)
{
$temp = "";
for($i=0;$i {
$x = decbin(ord(substr($str,$i,1)));
if($i == 0)
{
$s = strlen($str)+1;
$temp .= substr($x,$s,8-$s);
}else{
$temp .= substr($x,2,6);
}
}

return bindec($temp);
}
　　附：
U-00000000 - U-0000007F: 0xxxxxxx
U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

收藏分享邀请

		自动登录	找回密码
密码			注册

UTF-8转换成GB2312的全处理

最新评论

相关分类