在任意字符集下正常顯示網(wǎng)頁的方法二（續(xù)）

更新時(shí)間：2007年04月01日 00:00:00 作者：

轉(zhuǎn):coolcode.cn
前幾天寫了一篇在任意字符集下正常顯示網(wǎng)頁的方法，里面介紹的很簡(jiǎn)單，就是把前128個(gè)字符以外的字符集都用 NCR 來表示，但是具體怎么轉(zhuǎn)化我沒有介紹，因?yàn)楫?dāng)時(shí)我覺得太簡(jiǎn)單了。但是后來發(fā)現(xiàn)有人問這個(gè)問題，這里就詳細(xì)說明一下。
首先第一步是要把源字符集的字符串轉(zhuǎn)化為 UTF-16 字符集，做這一步是因?yàn)?nbsp;UTF-16 字符集中的每個(gè)字符都是兩個(gè)字節(jié)，后面處理起來很容易，而如果在源字符集上直接做處理則很復(fù)雜。源字符集可以從原網(wǎng)頁中的 meta 標(biāo)簽中獲得，也可以單獨(dú)指定，我的程序是讓用戶在表單中指定源字符集，因?yàn)槲也荒鼙ＷC用戶提交的文件就一定是 HTML 文件（其他文件也是可以的，比如這個(gè) WordPress 的漢化包源文件是個(gè) po 文件，它里面的內(nèi)容也可以這樣處理），而且即使是 HTML 文件，里面也不一定就有用于指定字符集的 meta 標(biāo)簽，所以通過表單單獨(dú)指定字符集比較保險(xiǎn)。你可能會(huì)覺得將一種字符集轉(zhuǎn)化為另一種字符集很復(fù)雜，確實(shí)如此，如果自己來實(shí)現(xiàn)的話，確實(shí)非常麻煩，但是用 PHP 來做卻很容易，因?yàn)樗锩嬉呀?jīng)包含這樣的函數(shù)了，你可以通過 iconv 函數(shù)很容易的來實(shí)現(xiàn)各種字符集之間的轉(zhuǎn)化，如果你的機(jī)器上沒有安裝 iconv 擴(kuò)展，你也可以使用 mb_convert_encoding 函數(shù)，如果 Multibyte String 擴(kuò)展也沒有安裝，那就沒辦法了，因?yàn)槟阋约簩?shí)現(xiàn)那么多種編碼的轉(zhuǎn)化基本上是不可能的，除非你是頂級(jí)大牛！推薦使用 iconv，因?yàn)檫@個(gè)效率高，支持的字符集也更多。
做完上面那一步之后，接下來是以每?jī)蓚€(gè)字節(jié)為單位對(duì)字符串進(jìn)行處理。這兩個(gè)字節(jié)直接轉(zhuǎn)化為數(shù)字就是 &#xxxxx; 中的 xxxxx，如果這個(gè)數(shù)字小于 128 就直接使用這個(gè)字符（注意這里就變成單字節(jié)了），否則就使用 &#xxxxx; 的形式。這里有一點(diǎn)要注意，就是當(dāng)這個(gè)數(shù)字是 65279（16 進(jìn)制的 0xFEFF）時(shí)，請(qǐng)把它忽略掉，因?yàn)檫@個(gè)是 Unicode 編碼中的傳輸控制字符，而我們現(xiàn)在的字符串已經(jīng)只有 iso-8859-1 編碼中的前 128 個(gè)字符了，所以我們不需要它了。
好了，基本思路就是這樣，下面是實(shí)現(xiàn)的程序：
下載: nochaoscode.php

復(fù)制代碼代碼如下:

<?php 

function nochaoscode($encode, $str) { 

    $str = iconv($encode, "UTF-16BE", $str); 

    for ($i = 0; $i < strlen($str); $i++,$i++) { 

        $code = ord($str{$i}) * 256 + ord($str{$i + 1}); 

        if ($code < 128) { 

            $output .= chr($code); 

        } else if ($code != 65279) { 

            $output .= "&#".$code.";"; 

        } 

    } 

    return $output; 

} 

?>

函數(shù)的參數(shù)中，$encode 是源字符集，$str 是需要進(jìn)行轉(zhuǎn)化的字符串。返回結(jié)果是轉(zhuǎn)化以后字符串。
補(bǔ)充：今天 Legend 告訴我一種更簡(jiǎn)單的方法，就是直接利用 mb_convert_encoding 函數(shù)。因?yàn)?nbsp;mb_convert_encoding 支持一種叫做 HTML-ENTITIES 的編碼格式，也就是 NCR 編碼。用它就更簡(jiǎn)單了。