字符编码

字符编码

万恶的中文乱码问题归根结底都是编码问题！

记录爬坑历程。

ANSI编码

不同的国家和地区制定了不同的标准 ，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。

这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。

在简体中文系统下，ANSI 编码代表 GB2312 编码 【敲黑板！ T.T 】

在日文操作系统下，ANSI 编码代表 JIS 编码。

不同 ANSI 编码之间互不兼容，

当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。

当然对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节代表1个字符。

这一点是ASNI编码与Unicode编码之间最大也最明显的区别。

Unicode编码

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。

它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。

Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。

Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。

码位就是可以分配给字符的数字。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。

UTF-8编码

UTF-8是UNICODE的一种变长字符编码又称万国码，由Ken Thompson于1992年创建。

现在已经标准化为RFC 3629。UTF-8用1到6个字节编码UNICODE字符。

用在网页上可以同一页面显示中文简体繁体及其它语言(如日文，韩文)。

PHP转换编码

1
2
3
4

// 参数1：当前编码   
// 参数2：目标编码       //IGNORE：忽略识别不了的字符串 继续往下翻译 例如：“-”
// 参数三 ： 转码字符串
$string = iconv( "UTF-8",  "GBK//IGNORE", $string );

查看字符编码

1
2
3

$encode = mb_detect_encoding( $string,  array('ASCII', 'UTF-8', 'GB2312', 'GBK', 'BIG5') );

echo $encode;