PHP iconv()函数转字符编码的问题（转）

Cnbaby

　　载自：http://www.nowamagic.net/php/php_FunctionIconv.php
在php函数库有一个函数：iconv()，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。
　　最近在做一个小偷程序，需要用到iconv函数把抓取来过的utf-8编码的页面转成gb2312， 发现只有用iconv函数把抓取过来的数据一转码数据就会无缘无故的少一些。 让我郁闷了好一会儿，去网上一查资料才知道这是iconv函数的一个bug。iconv在转换字符"—"到gb2312时会出错。
　　下面慢慢看一下这个函数的用法。
　　最简单的应用，把gb2312置换成utf-8：

1	$text=iconv("GB2312","UTF-8",$text);

　　在用$text=iconv("UTF-8","GB2312",$text)过程中，如果遇到一些特别字符时，如："—"，英文名中的"."等等字符，转换就断掉了。这些字符后的文字都没法继续转换了。
　　针对这的问题，可以用如下代码实现：

1	$text=iconv("UTF-8","GBK",$text);

　　你没有看错，就这么简单，不使用gb2312，而写成GBK，就可以了。
　　还有一种方法，第二个参数，加上//IGNORE，忽略错误，如下：

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

　　没有具体比较这两种方法，感觉第一种（GBK代替gb2312）方法更好。
　　php手册中iconv() 说明：

1

iconv

2

3	(PHP 4 >= 4.0.5, PHP 5)

4	iconv – Convert string to requested character encoding

5	Description

6	string iconv ( string in_charset, string out_charset, string str )

7	Performs a character set conversion on the string str from in_charset to out_charset. Returns the converted string or FALSE on failure.

8

If you append the string //TRANSLIT to out_charset transliteration is activated. This means that when a character can't be represented in the target charset, it can be approximated through one or several similarly looking characters. If you append the string //IGNORE, characters that cannot be represented in the target charset are silently discarded. Otherwise, str is cut from the first illegal character.

　　在使用这个函数进行字符串编码转换时，需要注意，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。此时可以使用以下方法解决：

1	$str=iconv('utf-8',"gb2312//TRANSLIT",file_get_contents($filepath));

　　即在第二个参数出添加红色字部分，表示：如果在目标编码中找不到与源编码相匹配的字符，会选择相似的字符进行转换。此处也可以使用：//IGNORE 这个参数，表示忽略不能转换的字符。
　　ignore的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。
　　iconv不是php的默认函数，也是默认安装的模块。需要安装才能用的。
　　如果是windows2000+php，你可以修改php.ini文件，将extension=php_iconv.dll前的";"去掉，同时你要copy你的原php安装文件下的iconv.dll到你的winnt/system32下（如果你的dll指向的是这个目录）。在linux环境下，用静态安装的方式，在configure时加多一项 --with-iconv就可以了，phpinfo看得到iconv的项。(Linux7.3+Apache4.06+php4.3.2)。
mb_convert_encoding与iconv函数介绍
　　mb_convert_encoding这个函数是用来转换编码的。原来一直对程序编码这一概念不理解，不过现在好像有点开窍了。不过英文一般不会存在编码问题，只有中文数据才会有这个问题。比如你用Zend Studio或Editplus写程序时，用的是gbk编码，如果数据需要入数据库，而数据库的编码为utf8时，这时就要把数据进行编码转换，不然进到数据库就会变成乱码。
　　做一个GBK To UTF-8：

1

<?php

2	header("content-Type: text/html; charset=Utf-8");

3	echo mb_convert_encoding("妳係我的友仔", "UTF-8", "GBK");

4

?>

　　再来个GB2312 To Big5：

1

<?php

2	header("content-Type: text/html; charset=big5");

3	echo mb_convert_encoding("你是我的朋友", "big5", "GB2312");

4

?>

　　不过要使用上面的函数需要安装但是需要先enable mbstring 扩展库。
　　string mb_convert_encoding ( string str, string to_encoding [, mixed from_encoding] )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,但是执行效率比iconv差太多；
　　string iconv ( string in_charset, string out_charset, string str )注意：第二个参数，除了可以指定要转化到的编码以外，还可以增加两个后缀：//TRANSLIT 和 //IGNORE，其中 //TRANSLIT 会自动将不能直接转化的字符变成一个或多个近似的字符，//IGNORE 会忽略掉不能转化的字符，而默认效果是从第一个非法字符截断。
　　一般情况下用 iconv，只有当遇到无法确定原编码是何种编码，或者iconv转化后无法正常显示时才用mb_convert_encoding 函数。

1	$content = iconv("GBK", "UTF-8″, $content);

2	$content = mb_convert_encoding($content, "UTF-8″, "GBK");