utf8_encode

(PHP 4, PHP 5, PHP 7, PHP 8)

utf8_encode — 将字符串从 ISO-8859-1 转换为 UTF-8

警告

此函数自 PHP 8.2.0 起已弃用。强烈建议不要依赖此函数。

描述

utf8_encode(string $string): string

此函数将字符串 string 从 ISO-8859-1 编码转换为 UTF-8。

注意:
此函数不尝试猜测提供的字符串的当前编码，它假定它被编码为 ISO-8859-1（也称为“Latin 1”）并转换为 UTF-8。由于每个字节序列都是有效的 ISO-8859-1 字符串，因此这永远不会导致错误，但如果打算使用其他编码，则不会产生有用的字符串。

许多标记为使用 ISO-8859-1 字符编码的网页实际上使用类似的 Windows-1252 编码，Web 浏览器将解释 ISO-8859-1 网页为 Windows-1252。 Windows-1252 包含额外的可打印字符，例如欧元符号 (€) 和弯引号 (“ ”)，而不是某些 ISO-8859-1 控制字符。此函数不会正确转换此类 Windows-1252 字符。如果需要 Windows-1252 转换，请使用其他函数。

参数

string: 一个 ISO-8859-1 字符串。

返回值

返回 string 的 UTF-8 翻译。

变更日志

版本	描述
8.2.0	此函数已弃用。
7.2.0	此函数已从 XML 扩展移至 PHP 的核心。在以前的版本中，它仅在安装了 XML 扩展时才可用。

示例

示例 #1 基本示例

<?php
// 将字符串 'Zoë' 从 ISO 8859-1 转换为 UTF-8
$iso8859_1_string = "\x5A\x6F\xEB";
$utf8_string = utf8_encode($iso8859_1_string);
echo bin2hex($utf8_string), "\n";
?>

以上示例将输出

5a6fc3ab

注释

注意: 弃用和替代方案

此函数自 PHP 8.2.0 起已弃用，将在未来的版本中删除。应检查现有用法并用适当的替代方案替换。

可以使用 mb_convert_encoding() 实现类似的功能，它支持 ISO-8859-1 和许多其他字符编码。
<?php $iso8859_1_string = "\xEB"; // ISO-8859-1 中的 'ë'（带分音符的 e） $utf8_string = mb_convert_encoding($iso8859_1_string, 'UTF-8', 'ISO-8859-1'); echo bin2hex($utf8_string), "\n"; $iso8859_7_string = "\xEB"; // ISO-8859-7 中的同一个字符串代表 'λ'（希腊语小写 lambda） $utf8_string = mb_convert_encoding($iso8859_7_string, 'UTF-8', 'ISO-8859-7'); echo bin2hex($utf8_string), "\n"; $windows_1252_string = "\x80"; // Windows-1252 中的 '€'（欧元符号），但在 ISO-8859-1 中不存在 $utf8_string = mb_convert_encoding($windows_1252_string, 'UTF-8', 'Windows-1252'); echo bin2hex($utf8_string), "\n"; ?>

以上示例将输出
c3ab
cebb
e282ac
其他根据安装的扩展可能可用的选项是 UConverter::transcode() 和 iconv().

以下所有都给出相同的结果
<?php $iso8859_1_string = "\x5A\x6F\xEB"; // ISO-8859-1 中的 'Zoë' $utf8_string = utf8_encode($iso8859_1_string); echo bin2hex($utf8_string), "\n"; $utf8_string = mb_convert_encoding($iso8859_1_string, 'UTF-8', 'ISO-8859-1'); echo bin2hex($utf8_string), "\n"; $utf8_string = UConverter::transcode($iso8859_1_string, 'UTF8', 'ISO-8859-1'); echo bin2hex($utf8_string), "\n"; $utf8_string = iconv('ISO-8859-1', 'UTF-8', $iso8859_1_string); echo bin2hex($utf8_string), "\n"; ?>

以上示例将输出
5a6fc3ab
5a6fc3ab
5a6fc3ab
5a6fc3ab

参见

utf8_decode() - 将字符串从 UTF-8 转换为 ISO-8859-1，替换无效或无法表示的字符
mb_convert_encoding() - 将字符串从一种字符编码转换为另一种字符编码
UConverter::transcode() - 将字符串从一种字符编码转换为另一种字符编码
iconv() - 将字符串从一种字符编码转换为另一种字符编码

改进此页面

了解如何改进此页面 • 提交拉取请求 • 报告错误

＋添加注释

用户贡献的注释 24 个注释

上

下

140

deceze at gmail dot com ¶

13 年前

请注意，utf8_encode 仅将以 ISO-8859-1 编码的字符串转换为 UTF-8。它更合适的名称应该是“iso88591_to_utf8”。如果您的文本不是以 ISO-8859-1 编码的，则不需要此函数。如果您的文本已经是 UTF-8，则不需要此函数。实际上，将此函数应用于不是以 ISO-8859-1 编码的文本很可能会简单地使该文本乱码。

如果您需要将文本从任何编码转换为任何其他编码，请查看 iconv()。

上

下

Aidan Kehoe <php-manual at parhasard dot net> ¶

19 年前

以下代码解决了 Steven 在上条评论中描述的问题；

<?php

/* 此结构编码了 ISO-8859-1 和 Windows-1252 之间的差异，
 作为从一些 ISO-8859-1 控制字符的 UTF-8 编码到
 Windows-1252 在等效代码点处放置的非控制字符的 UTF-8 编码的映射。 */

$cp1252_map = array(
 "\xc2\x80" => "\xe2\x82\xac", /* 欧元符号 */
 "\xc2\x82" => "\xe2\x80\x9a", /* 单个低 9 引号 */
 "\xc2\x83" => "\xc6\x92", /* 拉丁小写字母 f 带钩 */
 "\xc2\x84" => "\xe2\x80\x9e", /* 双低 9 引号 */
 "\xc2\x85" => "\xe2\x80\xa6", /* 水平省略号 */
 "\xc2\x86" => "\xe2\x80\xa0", /* 剑号 */
 "\xc2\x87" => "\xe2\x80\xa1", /* 双剑号 */
 "\xc2\x88" => "\xcb\x86", /* 修饰字母尖音符 */
 "\xc2\x89" => "\xe2\x80\xb0", /* 千分号 */
 "\xc2\x8a" => "\xc5\xa0", /* 拉丁大写字母 S 带抑扬音 */
 "\xc2\x8b" => "\xe2\x80\xb9", /* 单个左指向的角度引号 */
 "\xc2\x8c" => "\xc5\x92", /* 拉丁大写字母连字符 OE */
 "\xc2\x8e" => "\xc5\xbd", /* 拉丁大写字母 Z 带抑扬音 */
 "\xc2\x91" => "\xe2\x80\x98", /* 左单引号 */
 "\xc2\x92" => "\xe2\x80\x99", /* 右单引号 */
 "\xc2\x93" => "\xe2\x80\x9c", /* 左双引号 */
 "\xc2\x94" => "\xe2\x80\x9d", /* 右双引号 */
 "\xc2\x95" => "\xe2\x80\xa2", /* 项目符号 */
 "\xc2\x96" => "\xe2\x80\x93", /* 短破折号 */
 "\xc2\x97" => "\xe2\x80\x94", /* 长破折号 */

 "\xc2\x98" => "\xcb\x9c", /* 小波浪号 */
 "\xc2\x99" => "\xe2\x84\xa2", /* 商标符号 */
 "\xc2\x9a" => "\xc5\xa1", /* 拉丁小写字母 S 带抑扬音 */
 "\xc2\x9b" => "\xe2\x80\xba", /* 单个右指向的角度引号 */
 "\xc2\x9c" => "\xc5\x93", /* 拉丁小写字母连字符 OE */
 "\xc2\x9e" => "\xc5\xbe", /* 拉丁小写字母 Z 带抑扬音 */
 "\xc2\x9f" => "\xc5\xb8" /* 拉丁大写字母 Y 带分音符 */
);

function cp1252_to_utf8($str) {
 global $cp1252_map; 
 return strtr(utf8_encode($str), $cp1252_map);
}

?>

上

下

Pini ¶

8 年前

我的 utf8_encode_deep 版本，
如果你需要一个不改变原始值的返回值，请使用它。

        /**
* 将任何内容转换为 UTF-8
* @param mixed $var 要转换的变量。
* @param boolean $deep 深度转换？(*默认：TRUE)。
* @return mixed
        */
function anything_to_utf8($var,$deep=TRUE){
if(is_array($var)){
foreach($var as $key => $value){
if($deep){
$var[$key] = anything_to_utf8($value,$deep);
}elseif(!is_array($value) && !is_object($value) && !mb_detect_encoding($value,'utf-8',true)){
$var[$key] = utf8_encode($var);
                    }
                }
return $var;
}elseif(is_object($var)){
foreach($var as $key => $value){
if($deep){
$var->$key = anything_to_utf8($value,$deep);
}elseif(!is_array($value) && !is_object($value) && !mb_detect_encoding($value,'utf-8',true)){
$var->$key = utf8_encode($var);
                    }
                }
return $var;
}else{
return (!mb_detect_encoding($var,'utf-8',true))?utf8_encode($var):$var;
            }
        }

上

下

a dot rueedlinger at gmail dot com ¶

11 年前

如果你需要一个函数将字符串数组转换为 UTF-8 编码的字符串数组，那么这个函数可能对你有用

<?php
function utf8_string_array_encode(&$array){
 $func = function(&$value,&$key){
 if(is_string($value)){
 $value = utf8_encode($value);
 } 
 if(is_string($key)){
 $key = utf8_encode($key);
 }
 if(is_array($value)){
 utf8_string_array_encode($value);
 }
 };
 array_walk($array,$func);
 return $array;
}
?>

上

下

bisqwit at iki dot fi ¶

19 年前

作为参考，指出以下内容可能具有启发性
utf8_encode($s)
实际上等同于
recode_string('latin1..utf8', $s)
和
iconv('iso-8859-1', 'utf-8', $s)
也就是说，utf8_encode 是字符集转换的特殊情况。

如果要转换为 UTF-8 的字符串不是 iso-8859-1（例如 iso-8859-2（波兰语/克罗地亚语）），则应使用 recode_string() 或 iconv()，而不是尝试设计复杂的 str_replace 语句。

上

下

Oscar Broman ¶

11 年前

遍历嵌套的数组/对象，并将所有字符串编码为 UTF-8。

<?php
// 用法
class Foo {
 public $somevar = 'whoop whoop';
}

$structure = array(
 'object' => (object) array(
 'entry' => 'hello wörld',
 'another_array' => array(
 'string',
 1234,
 'another string'
 )
 ),
 'string' => 'foo',
 'foo_object' => new Foo
);

utf8_encode_deep($structure);

// $structure 现在是 UTF-8 编码的
print_r($structure);

// 该函数
function utf8_encode_deep(&$input) {
 if (is_string($input)) {
 $input = utf8_encode($input);
 } else if (is_array($input)) {
 foreach ($input as &$value) {
 utf8_encode_deep($value);
 }

 unset($value);
 } else if (is_object($input)) {
 $vars = array_keys(get_object_vars($input));

 foreach ($vars as $var) {
 utf8_encode_deep($input->$var);
 }
 }
}
?>

上

下

rocketman ¶

18 年前

如果你正在寻找一个函数将特殊字符替换为十六进制 UTF-8 值（例如，用于 Web 服务安全/WSS4J 兼容性），你可以使用这个函数

$textstart = "Größe";
$utf8 ='';
$max = strlen($txt);

for ($i = 0; $i < $max; $i++) {

if ($txt{i} == "&"){
$neu = "&x26;";
}
elseif ((ord($txt{$i}) < 32) or (ord($txt{$i}) > 127)){
$neu = urlencode(utf8_encode($txt{$i}));
$neu = preg_replace('#\%(..)\%(..)\%(..)#','&#x\1;&#x\2;&#x\3;',$neu);
$neu = preg_replace('#\%(..)\%(..)#','&#x\1;&#x\2;',$neu);
$neu = preg_replace('#\%(..)#','&#x\1;',$neu);
}
else {
$neu = $txt{$i};
}
        
$utf8 .= $neu;
} // for $i

$textnew = $utf8;

在这个例子中，$textnew 将是 "Gr&#xC3;&#xB6;&#xC3;&#x9F;e"

上

下

Janci ¶

18 年前

我一直在寻找一个类似于 Javascript 的 unescape() 函数。 在大多数情况下，使用 url_decode() 函数是可以的，但如果你在字符串中包含 UTF 字符，则不行。 它们会被转换为 url_decode() 无法处理的 %uXXXX 实体。
我在网上搜索，找到了一个函数，它实际上将这些实体转换为浏览器可以正确显示的 HTML 实体 (&#xxx;)。 如果你可以接受，这个函数可以在以下链接找到： http://pure-essence.net/stuff/code/utf8RawUrlDecode.phps

但这对我来说并不合适，因为我需要一个在我指定的字符集中的字符串，以便进行一些比较和其他操作。 所以我修改了上面的函数，并结合了其他一些笔记中提到的 code2utf() 函数，最终实现了我的目标。

<?php
/**
 * 该函数将一个用 Javascript 的 escape() 函数转义的字符串转换回一个具有指定字符集的字符串（默认值为 UTF-8）。
 * 该函数是从 http://pure-essence.net/stuff/code/utf8RawUrlDecode.phps 修改而来
 *
 * @param string $source 用 Javascript 的 escape() 函数转义的字符串
 * @param string $iconv_to 目标字符集，将在 iconv 函数中用作第二个参数。 默认值为 UTF-8。
 * @return string
 */
function unescape($source, $iconv_to = 'UTF-8') {
 $decodedStr = '';
 $pos = 0;
 $len = strlen ($source);
 while ($pos < $len) {
 $charAt = substr ($source, $pos, 1);
 if ($charAt == '%') {
 $pos++;
 $charAt = substr ($source, $pos, 1);
 if ($charAt == 'u') {
 // 这是一个 Unicode 字符
 $pos++;
 $unicodeHexVal = substr ($source, $pos, 4);
 $unicode = hexdec ($unicodeHexVal);
 $decodedStr .= code2utf($unicode);
 $pos += 4;
 }
 else {
 // 这是一个转义的 ASCII 字符
 $hexVal = substr ($source, $pos, 2);
 $decodedStr .= chr (hexdec ($hexVal));
 $pos += 2;
 }
 }
 else {
 $decodedStr .= $charAt;
 $pos++;
 }
 }

 if ($iconv_to != "UTF-8") {
 $decodedStr = iconv("UTF-8", $iconv_to, $decodedStr);
 }
 
 return $decodedStr;
}

/**
 * 该函数将 UTF 字符的数字转换为该字符。
 * 函数来自： http://sk2.php.net/manual/en/function.utf8-encode.php#49336
 *
 * @param int $num
 * @return utf8char
 */
function code2utf($num){
 if($num<128)return chr($num);
 if($num<2048)return chr(($num>>6)+192).chr(($num&63)+128);
 if($num<65536)return chr(($num>>12)+224).chr((($num>>6)&63)+128).chr(($num&63)+128);
 if($num<2097152)return chr(($num>>18)+240).chr((($num>>12)&63)+128).chr((($num>>6)&63)+128) .chr(($num&63)+128);
 return '';
}
?>

上

下

rogeriogirodo at gmail dot com ¶

15 年前

此函数可能对编码数组键和值 [并首先检查是否已在 UTF 格式中] 有用。


<?php 
public static function to_utf8($in) 
{ 
 if (is_array($in)) { 
 foreach ($in as $key => $value) { 
 $out[to_utf8($key)] = to_utf8($value); 
 } 
 } elseif(is_string($in)) { 
 if(mb_detect_encoding($in) != "UTF-8") 
 return utf8_encode($in); 
 else 
 return $in; 
 } else { 
 return $in; 
 } 
 return $out; 
} 
?> 

希望这能有所帮助。


[注意：原始函数由 (cmyk777 AT gmail DOT com) 于 2009 年 1 月 28 日编写。]

上

下

powtac 4t gmx d0t de ¶

13 年前

我尝试了很多方法，但这似乎是将任何字符串转换为正确 UTF-8 的最终解决方案。


<?php 
function _convert($content) { 
 if(!mb_check_encoding($content, 'UTF-8') 
 OR !($content === mb_convert_encoding(mb_convert_encoding($content, 'UTF-32', 'UTF-8' ), 'UTF-8', 'UTF-32'))) { 
 
 $content = mb_convert_encoding($content, 'UTF-8'); 
 
 if (mb_check_encoding($content, 'UTF-8')) { 
 // log('Converted to UTF-8'); 
 } else { 
 // log('Could not converted to UTF-8'); 
 } 
 } 
 return $content; 
} 
?>

上

下

匿名 ¶

18 年前

// 读取一个名为 story.txt 的 ASCII 文件（与键盘上的输入相同）
// 使用 UTF-8 编码将其转换为格鲁吉亚字符
// 如果我没有理解错的话(?)，这应该是在格鲁吉亚电脑上输入时呈现的效果
// 它将以 HTML 文件的形式输出结果
// 
// http://www.comweb.nl/keys_to_georgian.html
// http://www.comweb.nl/keys_to_georgian.php
// http://www.comweb.nl/story.txt

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">

<HTML>
<HEAD>
<TITLE>keys to unicode code</TITLE>

// 此元标记是必需的
<meta http-equiv="Content-Type" content="text/html;charset=utf-8" >

// 请注意 sylfean 字体似乎是 Windows XP 上的标准安装字体
// 它支持格鲁吉亚语
 
<style TYPE="text/css">
<!--
body {font-family:sylfaen; }
-->
</style>
</HEAD>

<BODY>

<?
$eng=array(97,98,99,100,101,102,103,104,105,106,107,108,109,110,111,
112,113,114,115,116,117,118,119,120,121,122,87,82,84,83,
67,74,90);
$geo=array(4304,4305,4330,4307,4308,4324,4306,4336,4312,4335,4313,
4314,4315,4316,4317,4318,4325,4320,4321,4322,4323,4309,
4332,4334,4327,4310,4333,4326,4311,4328,4329,4319,4331,
91,93,59,39,44,46,96);

$fc=file("story.txt");
foreach($fc as $line)
{
$spacestart=1;
for ($i=0; $i<strlen($line); $i+=1)
   {
$character=ord(substr($line,$i,1));
$found=0;
for ($k=0; $k<count($eng); $k+=1)
      {
if ($eng[$k]==$character)
         {
print code2utf( $geo[$k] );
$found=1;
         }
      }
if ($found==0)
      {
if ($character==126 || $character==32 || $character==10 || $character==9)
         {
if ($character==9) { print '&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;'; }
if ($character==10) { print "<BR>\n"; }
if ($character==32)
            { 
if ($spacestart==1) {print '&nbsp;'; } else { print " "; }
            }
if ($character==126){ print "~"; }
} else
         { 
print substr($line,$i,1);
         } 
      }
if ($character!=32) { $spacestart=0; }
   }
}

/**
* 该函数将 UTF 字符的数字转换为该字符。
* 函数来自： http://sk2.php.net/manual/en/function.utf8-encode.php#49336
 *
* @param int $num
* @return utf8char
*/
function code2utf($num)
{
if($num<128)return chr($num);
if($num<2048)return chr(($num>>6)+192).chr(($num&63)+128);
if($num<65536)return chr(($num>>12)+224).chr((($num>>6)&63)+128).chr(($num&63)+128);
如果 ($num < 2097152) 返回 chr(($num >> 18) + 240) . chr((($num >> 12) & 63) + 128) . chr((($num >> 6) & 63) + 128) . chr(($num & 63) + 128);
返回 '';
}
?>

</BODY>
</HTML>

上

下

hrpeters (at) gmx (dot) net ¶

19 年前

// 验证 Unicode UTF-8 版本 4
// 此函数以 http://www.unicode.org/versions/Unicode4.0.0/ch03.pdf 中的表格 3.6 为参考
// 它还将过长的字节标记为错误


函数 is_validUTF8($str)
{

// -1 的值代表当前 UTF-8 中第一个字节的禁止值
static $trailing_bytes = array (
        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        -1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1, -1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,

        -1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1, -1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,

        -1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,

        2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, 3,3,3,3,3,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1

    );



$ups = unpack('C*', $str);
如果 (!($aCnt = count($ups))) 返回 true; // 空字符串 *是* 有效的 UTF-8
对于 ($i = 1; $i <= $aCnt;)
    {

如果 (!($tbytes = $trailing_bytes[($b1 = $ups[$i++])])) 继续;
如果 ($tbytes == -1) 返回 false;
        

$first = true;
当 ($tbytes > 0 && $i <= $aCnt)
        {

$cbyte = $ups[$i++];
如果 (($cbyte & 0xC0) != 0x80) 返回 false;
            

如果 ($first)
            {

根据 $b1 的值
                {

case 0xE0
如果 ($cbyte < 0xA0) 返回 false;
跳过;
case 0xED
如果 ($cbyte > 0x9F) 返回 false;
跳过;
case 0xF0
如果 ($cbyte < 0x90) 返回 false;
跳过;
case 0xF4
如果 ($cbyte > 0x8F) 返回 false;
跳过;
默认
跳过;
                }

$first = false;
            }

$tbytes--;
        }

如果 ($tbytes) 返回 false; // EOS 处的序列不完整
    }        

返回 true;
}

上

下

Mark AT modernbill DOT com ¶

19 年前

如果您还没有猜到：如果 UTF-8 字符在 ISO-8859-1 代码页中没有表示，则将返回 ?。您可能希望在此函数周围包装一个函数，以确保您不会将一大堆 ???? 保存到您的数据库中。

上

下

-1

www.tricinty.com ¶

16 年前

<?php
 /** 
 * 将 ISO-8859-1 混合变量编码为 UTF-8 (PHP 4, PHP 5 兼容)
 * @param mixed $input 数组，关联或简单
 * @param boolean $encode_keys 可选
 * @return mixed (UTF-8 编码的 $input)
 */

 函数 utf8_encode_mix($input, $encode_keys=false)
 {
 如果(is_array($input))
 {
 $result = array();
 对于($input 为 $k => $v)
 { 
 $key = ($encode_keys)? utf8_encode($k) : $k;
 $result[$key] = utf8_encode_mix( $v, $encode_keys);
 }
 }
 否则
 {
 $result = utf8_encode($input);
 }

 返回 $result;
 }
?>

上

下

-2

mailing at jcn50 dot com ¶

18 年前

我建议对每种语言使用此替代方法

$new=mb_convert_encoding($s,"UTF-8","auto");

不要忘记将所有页面设置为“utf-8”编码，否则只使用 HTML 实体。

jcn50。

上

下

-3

Yumok ¶

13 年前

避免使用 preg_match 来检测是否需要 utf8_encode


<?php 
 $string = $string_input; // 避免破坏性 
 
 $string = preg_replace("#[\x09\x0A\x0D\x20-\x7E]#" ,"",$string); // ASCII 
 $string = preg_replace("#[\xC2-\xDF][\x80-\xBF]#" ,"",$string); // 非过长 2 字节 
 $string = preg_replace("#\xE0[\xA0-\xBF][\x80-\xBF]#" ,"",$string); // 排除过长 
 $string = preg_replace("#[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}#","",$string); // 直接 3 字节 
 $string = preg_replace("#\xED[\x80-\x9F][\x80-\xBF]#" ,"",$string); // 排除代理 
 $string = preg_replace("#\xF0[\x90-\xBF][\x80-\xBF]{2}#","",$string); // 平面 1-3 
 $string = preg_replace("#[\xF1-\xF3][\x80-\xBF]{3}#" ,"",$string); // 平面 4-15 
 $string = preg_replace("#\xF4[\x80-\x8F][\x80-\xBF]{2}#","",$string); // 平面 16 
 
 $rc = ($string == ""?true:false); 
?>

上

下

-4

suttichai at ceforce dot com ¶

19 年前

我使用此函数将泰语字体 (iso-8859-11) 转换为 UTF-8。就我而言，它能正常工作。如果您在将字符集 iso-8859-11 转换为 UTF-8 时遇到问题，请尝试使用此函数。

函数 iso8859_11toUTF8($string) {
  
如果 ( ! ereg("[\241-\377]", $string) )
返回 $string;
 
$iso8859_11 = array(
"\xa1" => "\xe0\xb8\x81",
"\xa2" => "\xe0\xb8\x82",
"\xa3" => "\xe0\xb8\x83",
"\xa4" => "\xe0\xb8\x84",
"\xa5" => "\xe0\xb8\x85",
"\xa6" => "\xe0\xb8\x86",
"\xa7" => "\xe0\xb8\x87",
"\xa8" => "\xe0\xb8\x88",
"\xa9" => "\xe0\xb8\x89",
"\xaa" => "\xe0\xb8\x8a",
"\xab" => "\xe0\xb8\x8b",
"\xac" => "\xe0\xb8\x8c",
"\xad" => "\xe0\xb8\x8d",
"\xae" => "\xe0\xb8\x8e",
"\xaf" => "\xe0\xb8\x8f",
"\xb0" => "\xe0\xb8\x90",
"\xb1" => "\xe0\xb8\x91",
"\xb2" => "\xe0\xb8\x92",
"\xb3" => "\xe0\xb8\x93",
"\xb4" => "\xe0\xb8\x94",
"\xb5" => "\xe0\xb8\x95",
"\xb6" => "\xe0\xb8\x96",
"\xb7" => "\xe0\xb8\x97",
"\xb8" => "\xe0\xb8\x98",
"\xb9" => "\xe0\xb8\x99",
"\xba" => "\xe0\xb8\x9a",
"\xbb" => "\xe0\xb8\x9b",
"\xbc" => "\xe0\xb8\x9c",
"\xbd" => "\xe0\xb8\x9d",
"\xbe" => "\xe0\xb8\x9e",
"\xbf" => "\xe0\xb8\x9f",
"\xc0" => "\xe0\xb8\xa0",
"\xc1" => "\xe0\xb8\xa1",
"\xc2" => "\xe0\xb8\xa2",
"\xc3" => "\xe0\xb8\xa3",
"\xc4" => "\xe0\xb8\xa4",
"\xc5" => "\xe0\xb8\xa5",
"\xc6" => "\xe0\xb8\xa6",
"\xc7" => "\xe0\xb8\xa7",
"\xc8" => "\xe0\xb8\xa8",
"\xc9" => "\xe0\xb8\xa9",
"\xca" => "\xe0\xb8\xaa",
"\xcb" => "\xe0\xb8\xab",
"\xcc" => "\xe0\xb8\xac",
"\xcd" => "\xe0\xb8\xad",
"\xce" => "\xe0\xb8\xae",
"\xcf" => "\xe0\xb8\xaf",
"\xd0" => "\xe0\xb8\xb0",
"\xd1" => "\xe0\xb8\xb1",
"\xd2" => "\xe0\xb8\xb2",
"\xd3" => "\xe0\xb8\xb3",
"\xd4" => "\xe0\xb8\xb4",
"\xd5" => "\xe0\xb8\xb5",
"\xd6" => "\xe0\xb8\xb6",
"\xd7" => "\xe0\xb8\xb7",
"\xd8" => "\xe0\xb8\xb8",
"\xd9" => "\xe0\xb8\xb9",
"\xda" => "\xe0\xb8\xba",
"\xdf" => "\xe0\xb8\xbf",
"\xe0" => "\xe0\xb9\x80",
"\xe1" => "\xe0\xb9\x81",
"\xe2" => "\xe0\xb9\x82",
"\xe3" => "\xe0\xb9\x83",
"\xe4" => "\xe0\xb9\x84",
"\xe5" => "\xe0\xb9\x85",
"\xe6" => "\xe0\xb9\x86",
"\xe7" => "\xe0\xb9\x87",
"\xe8" => "\xe0\xb9\x88",
"\xe9" => "\xe0\xb9\x89",
"\xea" => "\xe0\xb9\x8a",
"\xeb" => "\xe0\xb9\x8b",
"\xec" => "\xe0\xb9\x8c",
"\xed" => "\xe0\xb9\x8d",
"\xee" => "\xe0\xb9\x8e",
"\xef" => "\xe0\xb9\x8f",
"\xf0" => "\xe0\xb9\x90",
"\xf1" => "\xe0\xb9\x91",
"\xf2" => "\xe0\xb9\x92",
"\xf3" => "\xe0\xb9\x93",
"\xf4" => "\xe0\xb9\x94",
"\xf5" => "\xe0\xb9\x95",
"\xf6" => "\xe0\xb9\x96",
"\xf7" => "\xe0\xb9\x97",
"\xf8" => "\xe0\xb9\x98",
"\xf9" => "\xe0\xb9\x99",
"\xfa" => "\xe0\xb9\x9a",
"\xfb" => "\xe0\xb9\x9b"
 );
 
$string=strtr($string,$iso8859_11);
返回 $string;
 }

Suttichai Mesaard-www.ceforce.com

上

下

-5

emze at donazga dot net ¶

17 年前

/*
迄今为止看到的每个函数都不完整或资源消耗过大。这里有两个——整数到 UTF 序列 (i3u) 和 UTF 序列到整数 (u3i)。以下是一个代码片段，它在范围边界处检查良好的行为。

总有一天，它们可能会被硬编码到 PHP 中……
*/

函数 i3u($i) { // 从整数返回 UCS-16 或 UCS-32 到 UTF-8
$i=(int)$i; // 整数？
如果 ($i<0) 返回 false; // 正数？
如果 ($i<=0x7f) 返回 chr($i); // 范围 0
如果 (($i & 0x7fffffff) <> $i) 返回 '?'; // 31 位？
如果 ($i<=0x7ff) 返回 chr(0xc0 | ($i >> 6)) . chr(0x80 | ($i & 0x3f));
如果 ($i<=0xffff) 返回 chr(0xe0 | ($i >> 12)) . chr(0x80 | ($i >> 6) & 0x3f)
. chr(0x80 | $i & 0x3f);
如果 ($i<=0x1fffff) 返回 chr(0xf0 | ($i >> 18)) . chr(0x80 | ($i >> 12) & 0x3f)
. chr(0x80 | ($i >> 6) & 0x3f) . chr(0x80 | $i & 0x3f);
如果 ($i<=0x3ffffff) 返回 chr(0xf8 | ($i >> 24)) . chr(0x80 | ($i >> 18) & 0x3f)
. chr(0x80 | ($i >> 12) & 0x3f) . chr(0x80 | ($i >> 6) & 0x3f) . chr(0x80 | $i & 0x3f);
返回 chr(0xfc | ($i >> 30)) . chr(0x80 | ($i >> 24) & 0x3f) . chr(0x80 | ($i >> 18) & 0x3f)
. chr(0x80 | ($i >> 12) & 0x3f) . chr(0x80 | ($i >> 6) & 0x3f) . chr(0x80 | $i & 0x3f);
}

函数 u3i($s,$strict=1) { // 在有效的 UTF-8 序列上返回整数，在空序列上返回 NULL，否则返回 FALSE
// 非严格：只取 DATA 位，存在或不存在；严格：长度和位检查
如果 ($s=='') 返回 NULL;
$l=strlen($s); $o=ord($s{0});
如果 ($o <= 0x7f && $l==1) 返回 $o;
如果 ($l>6 && $strict) 返回 false;
如果 ($strict) 对于 ($i=1;$i<$l;$i++) 如果 (ord($s{$i}) > 0xbf || ord($s{$i})< 0x80) 返回 false;
如果 ($o < 0xc2) 返回 false; // 即使 strict=0 也不行
如果 ($o <= 0xdf && ($l=2 && $strict)) 返回 (($o & 0x1f) << 6 | (ord($s{1}) & 0x3f));
如果 ($o <= 0xef && ($l=3 && $strict)) 返回 (($o & 0x0f) << 12 | (ord($s{1}) & 0x3f) << 6
| (ord($s{2}) & 0x3f));
如果 ($o <= 0xf7 && ($l=4 && $strict)) 返回 (($o & 0x07) << 18 | (ord($s{1}) & 0x3f) << 12
| (ord($s{2}) & 0x3f) << 6 | (ord($s{3}) & 0x3f));
如果 ($o <= 0xfb && ($l=5 && $strict)) 返回 (($o & 0x03) << 24 | (ord($s{1}) & 0x3f) << 18
| (ord($s{2}) & 0x3f) << 12 | (ord($s{3}) & 0x3f) << 6 | (ord($s{4}) & 0x3f));
如果 ($o <= 0xfd && ($l=6 && $strict)) 返回 (($o & 0x01) << 30 | (ord($s{1}) & 0x3f) << 24
| (ord($s{2}) & 0x3f) << 18 | (ord($s{3}) & 0x3f) << 12
| (ord($s{4}) & 0x3f) << 6 | (ord($s{5}) & 0x3f));
返回 false;
}

// 边界行为检查
$do=array(0x7f,0x7ff,0xffff,0x1fffff,0x3ffffff,0x7fffffff);
foreach ($do as $ii) for ($i=$ii;$i<=$ii+1; $i++) {
$o=i3u($i);
for ($j=0;$j<strlen($o);$j++) print "O[$j]=" . sprintf('%08b',ord($o{$j})) . ", ";
print "c=$i, o=[$o].\n";
print "Back: [$o] => [" . u3i($o) . "]\n";
}

上

下

-2

rattones at gmail dot com ¶

3 年前

/**
* 将数组的所有值转换为 utf8_encode
* @author Marcelo Ratton
* @version 1.0
 * 
* @param array $arr 要编码值的数组
* @param bool $keys true 表示将键转换为 UTF8
* @return array 相同的数组，但所有值都编码为 UTF8
 */
function arrayEncodeToUTF8(array $arr, bool $keys= false) : array {
$ret= [];
foreach ($arr as $k=>$v) {
if (is_array($v)) {
$ret[$k]= arrayEncodeToUTF8($v);
} else {
if ($keys) {
$k= utf8_encode((string)$k);
      }
$ret[$k]= utf8_encode((string)$v);
    }
  }

return $ret;
}

上

下

-2

ronen at greyzone dot com ¶

22 年前

以下函数将 utf-8 编码 unicode 实体 &#nnn(nn); 其中 n={0..9}

/**
* 接受 unicode 实体字符串并将其转换为 utf-8 编码字符串
* 每个 unicode 实体都有 &#nnn(nn); n={0..9} 的形式，可以由支持 utf-8 的
* 浏览器显示。Ascii 将不会被修改。
* @param $source unicode 实体字符串 [STRING]
* @return utf-8 编码字符串 [STRING]
* @access public
*/
function utf8Encode ($source) {
$utf8Str = '';
$entityArray = explode ("&#", $source);
$size = count ($entityArray);
for ($i = 0; $i < $size; $i++) {
$subStr = $entityArray[$i];
$nonEntity = strstr ($subStr, ';');
if ($nonEntity !== false) {
$unicode = intval (substr ($subStr, 0, (strpos ($subStr, ';') + 1)));
// 确定表示此 unicode 字符需要多少个字符
if ($unicode < 128) {
$utf8Substring = chr ($unicode);
            }
else if ($unicode >= 128 && $unicode < 2048) {
$binVal = str_pad (decbin ($unicode), 11, "0", STR_PAD_LEFT);
$binPart1 = substr ($binVal, 0, 5);
$binPart2 = substr ($binVal, 5);
            
$char1 = chr (192 + bindec ($binPart1));
$char2 = chr (128 + bindec ($binPart2));
$utf8Substring = $char1 . $char2;
            }
else if ($unicode >= 2048 && $unicode < 65536) {
$binVal = str_pad (decbin ($unicode), 16, "0", STR_PAD_LEFT);
$binPart1 = substr ($binVal, 0, 4);
$binPart2 = substr ($binVal, 4, 6);
$binPart3 = substr ($binVal, 10);
            
$char1 = chr (224 + bindec ($binPart1));
$char2 = chr (128 + bindec ($binPart2));
$char3 = chr (128 + bindec ($binPart3));
$utf8Substring = $char1 . $char2 . $char3;
            }
else {
$binVal = str_pad (decbin ($unicode), 21, "0", STR_PAD_LEFT);
$binPart1 = substr ($binVal, 0, 3);
$binPart2 = substr ($binVal, 3, 6);
$binPart3 = substr ($binVal, 9, 6);
$binPart4 = substr ($binVal, 15);
        
$char1 = chr (240 + bindec ($binPart1));
$char2 = chr (128 + bindec ($binPart2));
$char3 = chr (128 + bindec ($binPart3));
$char4 = chr (128 + bindec ($binPart4));
$utf8Substring = $char1 . $char2 . $char3 . $char4;
            }
            
if (strlen ($nonEntity) > 1)
$nonEntity = substr ($nonEntity, 1); // 砍掉第一个字符 (';')
else
$nonEntity = '';

$utf8Str .= $utf8Substring . $nonEntity;
        }
else {
$utf8Str .= $subStr;
        }
    }

return $utf8Str;
}
        
Ronen.

上

下

-5

Karen ¶

20 年前

关于之前关于将 GB2312 代码转换为 Unicode 代码的帖子，该帖子显示了以下函数

<?
// 由 sadly (www.phpx.com) 编写的程序

function gb2unicode($gb)
{
if(!trim($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,9,4);
$utf="";
while($gb)
    {
if (ord(substr($gb,0,1))>127)
     {
$this=substr($gb,0,2);
$gb=substr($gb,2,strlen($gb));
$utf.="&#x".$codetable[hexdec(bin2hex($this))-0x8080].";";
      }
else
     {
$gb=substr($gb,1,strlen($gb));
$utf.=substr($gb,0,1);
     }
     }
return $utf;
}
?>

我发现代码需要一个小小的改动才能正确处理嵌入在 GB2312 文本中间的拉丁字符，例如当文本包含 URL 或电子邮件地址时。只需颠倒上面语句中处理 ord 值 !>127 的部分中的两行。

更改

$gb=substr($gb,1,strlen($gb));
$utf.=substr($gb,0,1);

为

$utf.=substr($gb,0,1);
$gb=substr($gb,1,strlen($gb));

在原始函数中，第一个拉丁字符被删除，并且它没有转换拉丁文本后的第一个非拉丁字符（所有内容都向右偏移了一个字符）。颠倒这两行使其在我尝试过的每个示例中都能正常工作。

此外，此功能正常运行所需的 gb2312.txt 文件的来源已更改。您可以在几个地方找到它

http://tcl.apache.org/sources/tcl/tools/encoding/gb2312.txt
ftp://ftp.unicode.org/Public/MAPPINGS/OBSOLETE/EASTASIA/GB/GB2312.TXT

上

下

-3

Net Raven ¶

20 年前

我经常需要将发送给我的多语言文本转换为 UTF8 编码，以便将其插入源代码和数据库中。

我做了一个小网页，它的字符集设置为 UTF8，然后将其设置好，以便我可以从原始文档（例如 Word 或 Excel）粘贴，并让页面返回 UTF8 编码版本。

当然，浏览器会将 unicode 转换为 UTF8 作为提交的一部分（我为此使用 IE5 或更高版本），然后您在 PHP 中要做的就是在 UTF8 中进行编码，这样浏览器就会以原始形式显示它。

它有点笨重，但我只是将所有字符都转换为 html 数字实体（蛮力加上无知再次奏效）。

我已经使用它对从希伯来语到日语的所有内容进行编码，没有任何问题

<?
header("Content-Type: text/plain; charset=utf-8");
$code = (get_magic_quotes_gpc())?stripslashes($GLOBALS[code]):$GLOBALS[code];
?>
<html>
<head>
<title>UTF8 ENCODER PAGE</title>
<meta http-equiv="content-type" content="text/html; charset=UTF-8">
</head>
<body>
<form method=post action="?seed=<?=time()?>">
原始 Unicode<br />
<textarea name="code" cols="80" rows="10"><?=$code?></textarea><br />
编码后的 UTF8<br />
<textarea name="encd" cols="80" rows="10"><?
for ($i = 0; $i < strlen($code); $i++) {
echo '&#'.ord(substr($code,$i,1));
        }
?></textarea><br />
<input type="submit" value="encode">
</form>
</body>
</html>

上

下

-4

Allan ¶

1 年前

我想从 PHP 8.2 开始，我们需要使用 <?php iconv('ISO-8859-1', 'UTF-8', $string) ?> 代替。

上

下

-4

JF Sebastian ¶

19 年前

以下 Perl 正则表达式测试字符串是否为格式良好的 Unicode UTF-8（在每个 | 后断开，因为这里不允许长行。请在使用前将其连接为单行，没有空格）。

^([\x00-\x7f]|
[\xc2-\xdf][\x80-\xbf]|
\xe0[\xa0-\xbf][\x80-\xbf]|
[\xe1-\xec][\x80-\xbf]{2}|
\xed[\x80-\x9f][\x80-\xbf]|
[\xee-\xef][\x80-\xbf]{2}|
f0[\x90-\xbf][\x80-\xbf]{2}|
[\xf1-\xf3][\x80-\xbf]{3}|
\xf4[\x80-\x8f][\x80-\xbf]{2})*$

注意：这严格遵循 Unicode 标准 4.0，如第 3.9 章、表 3-6“格式良好的 UTF-8 字节序列”（http://www.unicode.org/versions/Unicode4.0.0/ch03.pdf#G31703）中所述。

ISO-10646 是 Unicode 的超集，它使用 UTF-8（在那里被称为“UCS”，参见 http://www.unicode.org/faq/utf_bom.html#1）在一个宽松的变体中，支持编码为最多六个字节的 31 位空间，而不是 Unicode 的最多四个字节的 21 位。要检查 ISO-10646 UTF-8，请使用以下 Perl 正则表达式（同样，已分解，见上文）

^([\x00-\x7f]|
[\xc0-\xdf][\x80-\xbf]|
[\xe0-\xef][\x80-\xbf]{2}|
[\xf0-\xf7][\x80-\xbf]{3}|
[\xf8-\xfb][\x80-\xbf]{4}|
[\xfc-\xfd][\x80-\xbf]{5})*$

以下函数可与上面的表达式一起使用，以进行快速 UTF-8 测试，例如，如果从 <form accept-charset="utf-8,iso-8859-1" method=..> 提交，则区分 ISO-8859-1 数据和 UTF-8 数据。

function is_utf8($string) {
return (preg_match('/[插入正则表达式此处]/', $string) === 1);
}

＋添加注释