|
|
首先，這是一個(gè)UNICODE到UTF-8編碼轉(zhuǎn)換的函數(shù)，這一部分修改前后沒有變化：
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 $str;
}
這里完全是按照UTF-8編碼的規(guī)則，通過判斷字符屬于不同的UNICODE編碼段范圍，進(jìn)行不同的移位和位與操作，以轉(zhuǎn)化為UTF-8編碼。關(guān)于該規(guī)則可參考http://www.utf8.org/上的說明。
這是修改前的GB轉(zhuǎn)化為UTF-8編碼的函數(shù)，其中調(diào)用了上面的u2utf8函數(shù)。
function gb2utf8($gb) /* Program writen by sadly www.phpx.com */
{
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 $ret;
}
函數(shù)中while循環(huán)部分，把漢字逐個(gè)按照“對照表”轉(zhuǎn)化為UNICODE，再通過u2utf8函數(shù)轉(zhuǎn)化為UTF-8。但從中可以看出，while循環(huán)結(jié)束后，又用一個(gè)for循環(huán)，把每三個(gè)字節(jié)合成了一個(gè)UTF-8字符（見http://www.utf8.org/上的規(guī)則說明，每個(gè)漢字的UTF-8編碼為三字節(jié)），沒有考慮到其中的西文字符（西文字符的UTF-8編碼為一字節(jié)）。所以，如果欲輸出的內(nèi)容中不論是開始時(shí)出現(xiàn)西文字符，或是漢字當(dāng)中穿插西文字符，轉(zhuǎn)化為UTF-8后，都會(huì)被按照“每三個(gè)字節(jié)截取”的方式截開，導(dǎo)致亂碼。
以下是修改后的函數(shù)：
function gb2utf8($gb) /* Program writen by sadly modified 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;$i<strlen($utf8);$i+=3)
$ret.=chr(substr($utf8,$i,3));
}
else
{
$ret.=substr($gb,0,1);
$gb=substr($gb,1,strlen($gb));
}
}
return $ret;
}
修改后的函數(shù)將 GB轉(zhuǎn)化為UNICODE、UNICODE轉(zhuǎn)化為UTF-8、幾個(gè)字節(jié)合成一個(gè)UTF-8字符，這三個(gè)步驟在一個(gè)循環(huán)里完成，尤其是幾個(gè)字節(jié)合成一個(gè)UTF-8字符這一步驟，放在判斷了字符屬于西文還是屬于漢字的條件分支里，據(jù)此決定截取一個(gè)字節(jié)還是三個(gè)字節(jié)。于是結(jié)果正確了！
php技術(shù)：GD輸出漢字的函數(shù)的分析，轉(zhuǎn)載需保留來源！
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請第一時(shí)間聯(lián)系我們修改或刪除，多謝。
