php中iconv函数使用方法

最近在做一个程序，需要用到iconv函数把抓取来过的utf-8编码的页面转成gb2312，
发现只有用iconv函数把抓取过来的数据一转码数据就会无缘无故的少一些。

iconv函数库能够完成各种字符集间的转换，是php编程中不可缺少的基础函数库。 

1、下载libiconv函数库http://ftp.gnu.org/pub/gnu/libiconv/libiconv-1.9.2.tar.gz； 

2、解压缩tar -zxvf
libiconv-1.9.2.tar.gz; 

3、安装libiconv 

＃configure
--prefix=/usr/local/iconv 

#make 

#make install 

4、重新编译php
增加编译参数--with-iconv=/usr/local/iconv 


windows下


最近在做一个小偷程序，需要用到iconv函数把抓取来过的utf-8编码的页面转成gb2312，
发现只有用iconv函数把抓取过来的数据一转码数据就会无缘无故的少一些。
让我郁闷了好一会儿，去网上一查资料才知道这是iconv函数的一个bug。iconv在转换字符"—"到gb2312时会出错 

解决方法很简单，就是在需要转成的编码后加 "//IGNORE"
也就是iconv函数第二个参数后.如下： 

以下为引用的内容： 

复制代码[/u]代码如下:

iconv("UTF-8","GB2312//IGNORE",$data) 

ignore的意思是忽略转换时的错误，如果没有ignore参数，所有该字符后面的字符串都无法被保存。 

复制代码[/u]代码如下:

<?php 

echo $str= '你好,这里是卖咖啡!'; 

echo '<br
/>'; 

echo iconv('GB2312', 'UTF-8', $str);
//将字符串的编码从GB2312转到UTF-8 

echo '<br
/>'; 

echo iconv_substr($str, 1, 1, 'UTF-8');
//按字符个数截取而非字节 

print_r(iconv_get_encoding());
//得到当前页面编码信息 

echo iconv_strlen($str, 'UTF-8');
//得到设定编码的字符串长度 

//也有这样用的 

$content =
iconv("UTF-8","gbk//TRANSLIT",$content); 

?> 

iconv不是php的默认函数，也是默认安装的模块。需要安装才能用的。 

如果是windows2000+php，你可以修改php.ini文件，将extension=php_iconv.dll前的";"去掉，同时你要copy你的原php安装文件下的iconv.dll到你的winnt/system32下（如果你的dll指向的是这个目录） 

在linux环境下，用静态安装的方式，在configure时加多一项
--with-iconv就可以了，phpinfo看得到iconv的项。(Linux7.3+Apache4.06+php4.3.2)， 

下载：ftp://ftp.gnu.org/pub/gnu/libiconv/libiconv-1.8.tar.gz 

安装： 

#cp libiconv-1.8.tar.gz
/usr/local/src 

#tar zxvf lib* 

#./configure
--prefix=/usr/local/libiconv 

#make 

#make install 

编译php 

#./configure --prefix=/usr/local/php4.3.2
--with-iconv=/usr/local/libiconv/ 

使用的简单例子： 


<?php 

echo
iconv("gb2312","ISO-8859-1","我们"); 

?>


PHP中的mb_convert_encoding与iconv函数介绍 

mb_convert_encoding这个函数是用来转换编码的。原来一直对程序编码这一概念不理解，不过现在好像有点开窍了。 

不过英文一般不会存在编码问题，只有中文数据才会有这个问题。比如你用Zend
Studio或Editplus写程序时，用的是gbk编码，如果数据需要入数据库，而数据库的编码为utf8时，这时就要把数据进行编码转换，不然进到数据库就会变成乱码。 

mb_convert_encoding的用法见官方： 
http://cn.php.net/manual/zh/function.mb-convert-encoding.php 
做一个GBK To UTF-8 

< ?php 

header("content-Type: text/html;
charset=Utf-8"); 

echo mb_convert_encoding("妳係我的友仔", "UTF-8",
"GBK"); 

?> 

再来个GB2312 To Big5 

< ?php 

header("content-Type: text/html;
charset=big5"); 

echo mb_convert_encoding("你是我的朋友", "big5",
"GB2312"); 

?> 

不过要使用上面的函数需要安装但是需要先enable mbstring
扩展库。 

PHP中的另外一个函数iconv也是用来转换字符串编码的，与上函数功能相似。 

下面还有一些详细的例子： 

iconv — Convert string to requested character
encoding 

(PHP 4 >= 4.0.5, PHP
5) 

mb_convert_encoding — Convert character
encoding 

(PHP 4 >= 4.0.6, PHP
5) 

用法： 

string mb_convert_encoding ( string str, string to_encoding [,
mixed from_encoding] ) 

需要先enable mbstring 扩展库，在 php.ini里将; extension=php_mbstring.dll 前面的
; 去掉 

mb_convert_encoding
可以指定多种输入编码，它会根据内容自动识别,但是执行效率比iconv差太多；

string iconv ( string in_charset, string out_charset, string str
) 

注意：第二个参数，除了可以指定要转化到的编码以外，还可以增加两个后缀：//TRANSLIT 和 //IGNORE，其中
//TRANSLIT 会自动将不能直接转化的字符变成一个或多个近似的字符，//IGNORE
会忽略掉不能转化的字符，而默认效果是从第一个非法字符截断。 

Returns the converted string or FALSE on
failure. 

使用： 

发现iconv在转换字符”—”到gb2312时会出错，如果没有ignore参数，所有该字符后面的字符串都无法被保存。不管怎么样，这个”—”都无法转换成功，无法输出。
另外mb_convert_encoding没有这个bug.

一般情况下用
iconv，只有当遇到无法确定原编码是何种编码，或者iconv转化后无法正常显示时才用mb_convert_encoding
函数. 

from_encoding is specified by character code name before
conversion. it can be array or string - comma separated enumerated
list. If it is not specified, the internal encoding will be
used. 

 

$str = mb_convert_encoding($str, “UCS-2LE”, “JIS, eucjp-win,
sjis-win”); 

 

$str = mb_convert_encoding($str, “EUC-JP”,
“auto”); 

例子： 

$content = iconv(”GBK”, “UTF-8″,
$content); 

$content = mb_convert_encoding($content,
"UTF-8″,"GBK"); 


php中使用iconv函数时容易忽略的参数 
今天在处理抓取内容的时候，当采用iconv进行编码转换的时候，发现结果会中断，猜是字符集的问题，考虑怎么跳过目标字符集不存在的字符，查手册发现iconv的函数只有三个参数，好像不行，然后查网上有人说可以，但是很奇怪怎么实现，最后发现英文描述有说可以加标识到目标编码后面：“TRANSLIT”，很郁闷怎么加呢？原来是先加“//”，真是郁闷，竟然有这样的设计 

原型： $txtContent =
iconv("utf-8",'GBK',$txtContent); 

特殊参数：iconv("UTF-8","GB2312//IGNORE",$data) 

两个可选的辅助参数：TRANSLIT和IGNORE ，(其中IGNORE 就是说遇到无法转换的就跳过)。
Description 

string iconv ( string in_charset, string out_charset, string str
) 

Performs a character set conversion on the string str from
in_charset to out_charset. Returns the converted string or FALSE on
failure. 

If you append the string //TRANSLIT to out_charset transliteration
is activated. This means that when a character can't be represented
in the target charset, it can be approximated through one or
several similarly looking characters. If you append the string
//IGNORE, characters that cannot be represented in the target
charset are silently discarded. Otherwise, str is cut from the
first illegal character.