閱讀 :960

在UTF-8,與UNICODE之間轉換的時候，用二進制運算，代替了字符串的轉換。UTF-8一個漢字，用3個字節，而UNICODE用2個字節；對應關系如下：

將UTF-8編碼的字符串轉化成GB2312的編碼，沒有對應編碼的字符串轉化為&#DEC; 的格式。如 회=>회

　　語言：PHP，Javascript

　　內容：瀏覽器用Javascript中encodeURI函數將字符串（包含非GB2312中字符)編碼，GET請求到服務器，頁面編碼均為GB2312，服務器PHP腳本將請求數據轉換成GB2312表示。

　　基礎：

　　1. 單獨使用iconv函數只能轉換GB2312字符，外文字符無法轉換
　　2. 沒有現成的函數可以用
　　3. bindec()函數：將二進制格式的"01"字符串轉換為十進制數
　　4. decbin()函數：將十進制數轉換為二進制字符串，如decbin(224)="11100000"

　　思路：因為UTF-8分別有1,2,3字節編碼，中日韓文都是3字節編碼，處理時根據字符編碼中首字節大小區分字節數量。

　　1.如首字節小于128，為ASCII碼
　　2.128~192，非UTF-8編碼，且處理為&#ord();
　　3. 192~224,  雙字節UTF-8編碼
　　4. 224~240，三字節編碼
　　5. 240~248，四字節編碼
　　6. 。。。
　　7. 對于三字節編碼的嘗試用iconv轉換成GB2312
　　8. 非GB2312的多字節字符，嘗試把UTF-8轉換成Unicode，再取到Unicode十進制值
　　9. 可以考慮使用位運算，也可以用bindec()函數

　　程序：

 function GetGB2312String($name)
 {
  $tostr = "";
  for($i=0;$i<strlen($name);$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;$i<strlen($str);$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

下一篇:以下關于RDS說法有誤的是 下一篇 【方向鍵 ( → )下一篇】

上一篇:網頁設計使用alt標簽屬性 上一篇 【方向鍵 ( ← )上一篇】