PHP实现任意字符集下正常显示网页的方法

2022-07-15 80酷酷网 80kuku.com

通常情况下，我们的网页要指定一个编码字符集，如 GB2312、UTF-8、ISO-8859-1 等，这样我们就可以在网页上显示我们指定编码的文字了。但是我们很可能会遇到这种情况，那就是我们可能希望在 ISO-8859-1 编码的网页上显示汉字，或者在 GB2312 编码的网页上显示韩文等。当然一种解决办法就是我们不用 ISO-8859-1 或者 GB2312 编码，而统统都采用 UTF-8 编码，这样我们只要在这种编码下，就可以混合显示各国文字了，这是现在很多网站采用的方法。

而我这里所说的并非上面这种方法，因为上面这种方法必须要指定字符集为 UTF-8 才可以，一旦用户手工指定为其他字符集，或者可能因为某些原因，那个字符集设置没起作用，而浏览器又没有正确自动识别的话，我们看到的网页还是乱码，尤其是在某些用框架作的网页中，某个框架中的页面如果字符集设置没起作用，在 firefox 中显示乱码而且还没法改变（我是说在不装RightEncode插件的情况下）。

而我这里介绍的方法即使是把网页指定为 ISO-8859-1 字符集，也能够正确显示汉字、日文等。原理很简单，就是把除了 ISO-8859-1 编码中前128个字符以外的所有其他的编码都用 NCR(Numeric character reference) 来表示。比如“汉字”这两个字，如果我们写成“汉字”这种形式，那么它在任意字符集下都可以正确显示。根据这个原理，我写了下面这个程序，它可以把现有的网页转化为在任意字符集下都能显示的网页。你只需要指定源网页的字符集和源网页，点提交按钮，就可以得到目标网页了。你也可以只转化某些文字，只需要把文字填写到文本框中，并指定这些文字原来的字符集，点提交按钮，就会在页面上面显示编码后的文字了。另外我还编写了WordPress 的插件，现在我的 Blog 已经可以在任意字符集下都能正确显示了。

实现方法：

首先第一步是要把源字符集的字符串转化为UTF-16字符集，做这一步是因为UTF-16字符集中的每个字符都是两个字节，后面处理起来很容易，而如果在源字符集上直接做处理则很复杂。源字符集可以从原网页中的meta标签中获得，也可以单独指定，我的程序是让用户在表单中指定源字符集，因为我不能保证用户提交的文件就一定是HTML文件（其他文件也是可以的，比如这个WordPress的汉化包源文件是个po文件，它里面的内容也可以这样处理），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标签，所以通过表单单独指定字符集比较保险。你可能会觉得将一种字符集转化为另一种字符集很复杂，确实如此，如果自己来实现的话，确实非常麻烦，但是用PHP来做却很容易，因为它里面已经包含这样的函数了，你可以通过iconv函数很容易的来实现各种字符集之间的转化，如果你的机器上没有安装iconv扩展，你也可以使用mb_convert_encoding函数，如果Multibyte String扩展也没有安装，那就没办法了，因为你要自己实现那么多种编码的转化基本上是不可能的，除非你是顶级大牛！推荐使用iconv，因为这个效率高，支持的字符集也更多。

做完上面那一步之后，接下来是以每两个字节为单位对字符串进行处理。这两个字节直接转化为数字就是&#xxxxx;中的xxxxx，如果这个数字小于128就直接使用这个字符（注意这里就变成单字节了），否则就使用&#xxxxx;的形式。这里有一点要注意，就是当这个数字是65279（16进制的0x FEFF）时，请把它忽略掉，因为这个是Unicode编码中的传输控制字符，而我们现在的字符串已经只有iso-8859-1编码中的前128个字符了，所以我们不需要它了。

好了，基本思路就是这样，下面是实现的程序：

以下为引用的内容：

<?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;
}
?>

函数的参数中，$encode是源字符集，$str是需要进行转化的字符串。返回结果是转化以后字符串。