原理很简单,因为gb2312/gbk是中文两字节,这两个字节是有取值范围的,而utf-8中汉字是三字节,同样每个字节也有取值范围。而英文不 管在何种编码情况下,都是小于128,只占用一个字节(全角除外)。
如果是文件形式的编码检查,还可以直接check utf-8的BOM信息。话不多说,直接上函数,这个函数是用来对字符串进行检查和转码的。
- <?php
- function safeEncoding($string,$outEncoding ='UTF-8')
- {
- $encoding = "UTF-8";
- for($i=0;$i<strlen($string);$i++)
- {
- if(ord($string{$i})<128)
- continue;
- if((ord($string{$i})&224)==224)
- {
- //第一个字节判断通过
- $char = $string{++$i};
- if((ord($char)&128)==128)
- {
- //第二个字节判断通过
- $char = $string{++$i};
- if((ord($char)&128)==128)
- {
- $encoding = "UTF-8";
- break;
- }
- }
- }
- if((ord($string{$i})&192)==192)
- {
- //第一个字节判断通过
- $char = $string{++$i};
- if((ord($char)&128)==128)
- {
- // 第二个字节判断通过
- $encoding = "GB2312";
- break;
- }
- }
- }
- if(strtoupper($encoding) == strtoupper($outEncoding))
- return $string;
- else
- return iconv($encoding,$outEncoding,$string);
- }
- ?>
- /**
- * 将未知编码的字符串转换为期望的编码(配置文件中设置的编码)
- * @param unknown $str
- * @param string $toEncoding
- * @return string
- */
- function convertStr($str, $toEncode = 'utf-8') {
- $charsetlist = array('ascii', 'gbk', 'gb2312', 'utf-8', 'big5');
- $strCode = mb_detect_encoding($str, $charsetlist);
- if (strtolower($strCode) != strtolower($toEncode)) {
- $str = iconv($strCode, $toEncode, $str);
- }
- return $str;
- }