Discuz!Xphp自动获取字符串编码函数mb_detect_encoding

51漂泊

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:

1. $encode = mb_detect_encoding($keytitle, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));
   
2. if ($encode == “UTF-8″){
   
3. $keytitle = iconv("UTF-8″,"GBK",$keytitle);
   
4. }

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：

1. $encode = mb_detect_encoding($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。

1. function is_utf8($string) {
   
2. return preg_match('%^(?:
   
3. [\x09\x0A\x0D\x20-\x7E] # ASCII
   
4. | [\xC2-\xDF][\x80-\xBF] # non-overlong 2-byte
   
5. | \xE0[\xA0-\xBF][\x80-\xBF] # excluding overlongs
   
6. | [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2} # straight 3-byte
   
7. | \xED[\x80-\x9F][\x80-\xBF] # excluding surrogates
   
8. | \xF0[\x90-\xBF][\x80-\xBF]{2} # planes 1-3
   
9. | [\xF1-\xF3][\x80-\xBF]{3} # planes 4-15
   
10. | \xF4[\x80-\x8F][\x80-\xBF]{2} # plane 16
    
11. )*$%xs', $string);
    
12. }

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。