PHP字符串的编码问题的详细介绍

大家都知道，不同字符编码，其在内存占用的字节数不一样。如中文字符是3字节,GBK为2个字节。

PHP 也自带几种字符串截取函数，其中常用到的就是 substr 和 mb_substr。

使用substr截取中文字符时会出现乱码，这是因为substr是按字节来截取的。即UTF-8编码的中文，使用substr截取，只会截取1/3个中文，当然出现乱码了。

mb_substr

( string $str,int $start [,int $length [,string $encoding ]] ) 中的参数$encoding可以指定编码，如果省略，则使用内部字符编码。

如果不清楚字符串的编码格式的话，可以用mb_detect_encoding检查：

$encoding = mb_detect_encoding($string,array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));

然后：

mb_substr

( string $str,string $encoding ]] )

如果自己实现mb_substr,效率并不是很好。

编码相关的PHP函数使用

ord(substr($str,$i,1)) > 0xa0)

ottOM: 0px; LINE-HEIGHT: 24px; BACKGROUND-COLOR: rgb(241,254,221); MARGIN-TOP: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; FONT-FAMILY: arial,'courier new',courier,宋体,monospace; WORD-WRAP: break-word; WHITE-SPACE: pre-wrap; MARGIN-BottOM: 10px; COLOR: rgb(51,51,51); FONT-SIZE: 14px; PADDING-TOP: 0px" id=recommend-content-850307366 class="recommend-text mb-10" name="code">ord($string)返回字符串第一个字符的ASC码，通过这个来判断截取的字符串第一个字符是不是汉字，因为例如gb2312编码的一个文字是2字节，utf8为三个字节。即  编码大于256的就是汉字。

正则字符：

匹配汉字 : preg_match_all('/[\x80-\xff]?./',$string,$match);

编码转换

iconvstring$in_charset$out_charset$str

如GB2312 转UTF-8: iconv("GB2312","UTF-8",$text)

url 编码urlencode

-_.%+application/x-www-form-urlencoded媒体类型编码方式一样。

代码如下:

$url = '中国';
echo urlencode($url );
//UTF-8: %E4%B8%AD%E5%9B%BD
//GB2312:%D6%D0%B9%FA

例如我们使用浏览器打开百度，搜索 “中国”. 在地址栏看到:

http://www.baidu.com/s?wd=&rsv_bp=0&ch=&tn=baidu&bar=&rsv_spt=3&ie=utf-8&rsv_sug3=16&rsv_sug=0&rsv_sug4=302&rsv_sug1=11&inputT=22928

即我们看到“中国”被浏览器自动转换为：

url解码

中文，则要把解码出的字符串进行转换。

PHP文件设置为gb2312编码。你会看到一部分是乱码，一部分是正常的。

echo $a = urldecode(urlencode($url)),' ';
echo iconv('gb2312','utf-8',$a);