PHP的 GB2312-UTF-8 转换函数

很早以前找到一个把GB码转化为UTF-8的函数,配合一个GB到UNICODE的对照表,用于在GD中输出汉字。后来发现在欲输出的内容中含有西文字符时,会出现混乱。后来找到了修改后的代码,解决了问题。现将两个函数做一对比分析如下。
首先,这是一个UNICODE到UTF-8编码转换的函数,这一部分修改前后没有变化:
function u2utf8($c) { for($i=0;$icount($c);$i++) $str=””; if ($c 0x80) {
$str.=$c; } else if ($c 0x800) { $str.=(0xC0 | $c6); $str.=(0x80 | $c
0x3F); } else if ($c 0x10000) { $str.=(0xE0 | $c12); $str.=(0x80 | $c6
0x3F); $str.=(0x80 | $c 0x3F); } else if ($c 0x200000) { $str.=(0xF0 |
$c18); $str.=(0x80 | $c12 0x3F); $str.=(0x80 | $c6 0x3F); $str.=(0x80 |
$c 0x3F); } return $str; }
这里完全是按照UTF-8编码的规则,通过判断字符属于不同的UNICODE编码段范围,进行不同的移位和位与操作,以转化为UTF-8编码。关于该规则可参考上的说明。
这是修改前的GB转化为UTF-8编码的函数,其中调用了上面的u2utf8函数。
function gb2utf8($gb)/* Program writen by sadly */ { if(!trim($gb))
return $gb; $filename=”gb2312.txt”; $tmp=file($filename);
$codetable=array(); while(list($key,$value)=each($tmp))
$codetable[hexdec(substr($value,0,6))]=substr($value,7,6); $utf8=””;
while($gb) { if (ord(substr($gb,0,1))127) { $this=substr($gb,0,2);
$gb=substr($gb,2,strlen($gb));
$utf8.=u2utf8(hexdec($codetable[hexdec(bin2hex($this))-0x8080])); }
else { $gb=substr($gb,1,strlen($gb)); $utf8.=u2utf8(substr($gb,0,1)); }
} $ret=””; for($i=0;$istrlen($utf8);$i+=3)
$ret.=chr(substr($utf8,$i,3)); return $ret; }
函数中while循环部分,把汉字逐个按照“对照表”转化为UNICODE,再通过u2utf8函数转化为UTF-8。但从中可以看出,while循环结束后,又用一个for循环,把每三个字节合成了一个UTF-8字符,没有考虑到其中的西文字符。所以,如果欲输出的内容中不论是开始时出现西文字符,或是汉字当中穿插西文字符,转化为UTF-8后,都会被按照“每三个字节截取”的方式截开,导致乱码。
以下是修改后的函数: function gb2utf8($gb)/* Program writen by
sadlymodified by agun */ { if(!trim($gb)) return $gb;
$filename=”gb2312.txt”; $tmp=file($filename); $codetable=array();
while(list($key,$value)=each($tmp))
$codetable[hexdec(substr($value,0,6))]=substr($value,7,6); $ret=””;
$utf8=””; while($gb) { if (ord(substr($gb,0,1))127) {
$this=substr($gb,0,2); $gb=substr($gb,2,strlen($gb));
$utf8=u2utf8(hexdec($codetable[hexdec(bin2hex($this))-0x8080]));
for($i=0;$istrlen($utf8);$i+=3) $ret.=chr(substr($utf8,$i,3)); } else {
$ret.=substr($gb,0,1); $gb=substr($gb,1,strlen($gb)); } } return $ret; }
修改后的函数将
GB转化为UNICODE、UNICODE转化为UTF-8、几个字节合成一个UTF-8字符,这三个步骤在一个循环里完成,尤其是几个字节合成一个UTF-8字符这一步骤,放在判断了字符属于西文还是属于汉字的条件分支里,据此决定截取一个字节还是三个字节。于是结果正确了!

以下是一段gb2312 -> UTF-8 的函数,我抄了
unicode -> UTF-8 的算法,所以实际比GB2312->unicode
没多多少东西,请大家注意调用gb2utf8()时不能中英文混用
程序需要的GB2312.txt文件
<?
//Program writen by sadly www.phpx.com
//gb2utf8.php
function gb2utf8($gb)
{
if(!trim($gb))
return $gb;
$filename=”gb2312.txt”;
$tmp=file($filename);
$codetable=array();
while(list($key,$value)=each($tmp))
$codetable[hexdec(substr($value,0,6))]=substr($value,7,6);
$utf8=””;
while($gb)
{
if (ord(substr($gb,0,1))>127)
{
$this=substr($gb,0,2);
$gb=substr($gb,2,strlen($gb));
$utf8.=u2utf8(hexdec($codetable[hexdec(bin2hex($this))-0x8080]));
}
else
{
$gb=substr($gb,1,strlen($gb));
$utf8.=u2utf8(substr($gb,0,1));
}
}
$ret=””;
for($i=0;$i<strlen($utf8);$i+=3)
$ret.=chr(substr($utf8,$i,3));
return $ret;
}
function u2utf8($c)
{
for($i=0;$i<count($c);$i++)
$str=””;
if ($c < 0x80) {
$str.=$c;
}
else if ($c < 0x800) {
$str.=(0xC0 $c>>6);
$str.=(0x80 $c & 0x3F);
}
else if ($c < 0x10000) {
$str.=(0xE0 $c>>12);
$str.=(0x80 $c>>6 & 0x3F);
$str.=(0x80 $c & 0x3F);
}
else if ($c < 0x200000) {
$str.=(0xF0 $c>>18);
$str.=(0x80 $c>>12 & 0x3F);
$str.=(0x80 $c>>6 & 0x3F);
$str.=(0x80 $c & 0x3F);
}
return $str;
}
?>
调用举例:通过GD输出 “中国” 两个汉字
example.php
<?
//Header(“Content-type: image/gif”);
$im = imagecreate(400,300);
$bkg = ImageColorAllocate($im, 0,0,0);
$clr = ImageColorAllocate($im, 255,255,255);
$fnt = “d:/winnt/fonts/simhei.ttf”;
include(“gb2utf8.php”);
$str = gb2utf8(“中国”);
ImageTTFText($im, 20, 0, 10, 20, $clr, $fnt, $str);
ImageGif($im);
ImageDestroy($im);

?>

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图