分割gbk中文出现乱码的问题解决,分割gbk中文乱码_PHP教程
分割gbk中文出现乱码的问题解决,分割gbk中文乱码
近日遇到一个神奇的字“弢(tao)”。
具体的过程是这样的:
<span>1</span> <span>$list</span> = <span>explode</span>('|', 'abc弢|bc'<span>); </span><span>2</span> <span>var_dump</span>(<span>$list</span>);
取得这个分割的结果。
和想象不同,结果居然是这样:
<span>array</span>(3<span>) { [</span>0]=> <span>string</span>(4) "<span>abc? [1]=> string(0) </span>""<span> [2]=> string(2) </span>"bc"<span> }</span>
出现了乱码,而且莫名其妙的出现了一个空元素。
究其原因,原来这个字“弢”的gbk编码是8f7c,而|的ASCII是7c,这样explode就把弢的第二ASCII作为|切割了。
既然是双字节的问题,我们用mbstring解决好了。
可惜,php并没有mb_explode这种函数,找了找,找到一个mb_split。
<span>array</span> mb_split ( <span>string</span> <span>$pattern</span> , <span>string</span> <span>$string</span> [, int <span>$limit</span> = -1 ] )
没有声明编码的地方。仔细一看,他是通过mb_regex_encoding声明编码的。
于是写出以下的代码:
<span>1</span> mb_regex_encoding('gbk'<span>); </span><span>2</span> <span>$list</span> = mb_split('\|', 'abc弢|bc'<span>); </span><span>3</span> <span>var_dump</span>(<span>$list</span>);
结果php报错,mb_regex_encoding不认识gbk,囧。
那就使用它认识的:
<span>1</span> mb_regex_encoding('gb2312'<span>); </span><span>2</span> <span>$list</span> = mb_split('\|', 'abc弢|bc'<span>); </span><span>3</span> <span>var_dump</span>(<span>$list</span>);
结果:
<span>array</span>(3<span>) { [</span>0]=> <span>string</span>(4) "<span>abc? [1]=> string(0) </span>""<span> [2]=> string(2) </span>"bc"<span> }</span>
发现,这种方法并没有什么用处。、
至于原因?“弢”这个字居然不在GB2312的编码集里面!!!!!但是有这个字的编码集(GBK, GB18030)这个函数都不支持!!!!!
既然这个不好用,也许万能的正则表达式是ok的。于是得到以下代码:
<span>1</span> <span>var_dump</span>(<span>preg_match_all</span>('/([^\|])*/', 'abc弢|bc', <span>$matches</span><span>)); </span><span>2</span> <span>var_dump</span>(<span>$matches</span>);
结果:
int(2<span>) </span><span>array</span>(2<span>) { [</span>0]=> <span>array</span>(2<span>) { [</span>0]=> <span>string</span>(4) "<span>abc? [1]=> string(2) </span>"bc"<span> } [1]=> array(2) { [0]=> string(1) </span>"?<span> [</span>1]=> <span>string</span>(1) "c"<span> } }</span>
好吧,我想多了。
现在研究一下,如何用正则描述这个场景。
参考一下,鸟哥大神的博客:分割GBK中文遭遇乱码的解决。遗憾的是,正则能力比较low的我,还是想不出来合适的正则表达式(如果有想出这个正则表达式的大神们,希望可以告诉我)。
没办法,思来想去,只好用substr了:
<span> 1</span> <span>function</span> mb_explode(<span>$delimiter</span>, <span>$string</span>, <span>$encoding</span> = <span>null</span><span>){ </span><span> 2</span> <span>$list</span> = <span>array</span><span>(); </span><span> 3</span> <span>is_null</span>(<span>$encoding</span>) && <span>$encoding</span> =<span> mb_internal_encoding(); </span><span> 4</span> <span>$len</span> = mb_strlen(<span>$delimiter</span>, <span>$encoding</span><span>); </span><span> 5</span> <span>while</span>(<span>false</span> !== (<span>$idx</span> = mb_strpos(<span>$string</span>, <span>$delimiter</span>, 0, <span>$encoding</span><span>))){ </span><span> 6</span> <span>$list</span>[] = mb_substr(<span>$string</span>, 0, <span>$idx</span>, <span>$encoding</span><span>); </span><span> 7</span> <span>$string</span> = mb_substr(<span>$string</span>, <span>$idx</span> + <span>$len</span>, <span>null</span>, <span>$encoding</span><span>); </span><span> 8</span> <span> } </span><span> 9</span> <span>$list</span>[] = <span>$string</span><span>; </span><span>10</span> <span>return</span> <span>$list</span><span>; </span><span>11</span> }
测试代码:
<span>1</span> <span>$a</span> = 'abc弢|bc'<span>; </span><span>2</span> <span>3</span> <span>var_dump</span>(mb_explode('|', <span>$a</span>, 'gbk'<span>)); </span><span>4</span> <span>var_dump</span>(mb_explode('bc', <span>$a</span>, 'gbk'<span>)); </span><span>5</span> <span>var_dump</span>(mb_explode('弢', <span>$a</span>, 'gbk'));
结果:
<span>array</span>(2<span>) { [</span>0]=> <span>string</span>(5) "abc弢"<span> [</span>1]=> <span>string</span>(2) "bc"<span> } </span><span>array</span>(3<span>) { [</span>0]=> <span>string</span>(1) "a"<span> [</span>1]=> <span>string</span>(3) "弢|"<span> [</span>2]=> <span>string</span>(0) ""<span> } </span><span>array</span>(2<span>) { [</span>0]=> <span>string</span>(3) "abc"<span> [</span>1]=> <span>string</span>(3) "|bc"<span> }</span>
这样就可以得到正确的结果了。

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Pelanjutan URL Pelanggan PHP (CURL) adalah alat yang berkuasa untuk pemaju, membolehkan interaksi lancar dengan pelayan jauh dan API rehat. Dengan memanfaatkan libcurl, perpustakaan pemindahan fail multi-protokol yang dihormati, php curl memudahkan execu yang cekap

Alipay Php ...

Adakah anda ingin memberikan penyelesaian segera, segera kepada masalah yang paling mendesak pelanggan anda? Sembang langsung membolehkan anda mempunyai perbualan masa nyata dengan pelanggan dan menyelesaikan masalah mereka dengan serta-merta. Ia membolehkan anda memberikan perkhidmatan yang lebih pantas kepada adat anda

Artikel membincangkan pengikatan statik lewat (LSB) dalam PHP, yang diperkenalkan dalam Php 5.3, yang membolehkan resolusi runtime kaedah statik memerlukan lebih banyak warisan yang fleksibel. Isu: LSB vs polimorfisme tradisional; Aplikasi Praktikal LSB dan Potensi Perfo

JWT adalah standard terbuka berdasarkan JSON, yang digunakan untuk menghantar maklumat secara selamat antara pihak, terutamanya untuk pengesahan identiti dan pertukaran maklumat. 1. JWT terdiri daripada tiga bahagian: header, muatan dan tandatangan. 2. Prinsip kerja JWT termasuk tiga langkah: menjana JWT, mengesahkan JWT dan muatan parsing. 3. Apabila menggunakan JWT untuk pengesahan di PHP, JWT boleh dijana dan disahkan, dan peranan pengguna dan maklumat kebenaran boleh dimasukkan dalam penggunaan lanjutan. 4. Kesilapan umum termasuk kegagalan pengesahan tandatangan, tamat tempoh, dan muatan besar. Kemahiran penyahpepijatan termasuk menggunakan alat debugging dan pembalakan. 5. Pengoptimuman prestasi dan amalan terbaik termasuk menggunakan algoritma tandatangan yang sesuai, menetapkan tempoh kesahihan dengan munasabah,

Artikel membincangkan ciri -ciri keselamatan penting dalam rangka kerja untuk melindungi daripada kelemahan, termasuk pengesahan input, pengesahan, dan kemas kini tetap.

Artikel ini membincangkan menambah fungsi khusus kepada kerangka kerja, memberi tumpuan kepada pemahaman seni bina, mengenal pasti titik lanjutan, dan amalan terbaik untuk integrasi dan debugging.

Menghantar data JSON menggunakan perpustakaan Curl PHP dalam pembangunan PHP, sering kali perlu berinteraksi dengan API luaran. Salah satu cara biasa ialah menggunakan perpustakaan curl untuk menghantar post ...
