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

#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：

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，代码如下:

1. <?php 
2. echo $str= '你好,这里是卖咖啡!'; 
3. echo '<br />'; 
4. echo iconv('GB2312', 'UTF-8', $str); //将字符串的编码从GB2312转到UTF-8 
5. echo '<br />'; 
6. echo iconv_substr($str, 1, 1, 'UTF-8'); //按字符个数截取而非字节 
7. print_r(iconv_get_encoding()); //得到当前页面编码信息 
8. echo iconv_strlen($str, 'UTF-8'); //得到设定编码的字符串长度 
9. //也有这样用的 
10. $content = iconv("UTF-8","gbk//TRANSLIT",$content); 
11. ?> 

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：

1. #cp libiconv-1.8.tar.gz /usr/local/src 
2. #tar zxvf lib* 
3. #./configure --prefix=/usr/local/libiconv 
4. #make 
5. #make install 

编译php

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

使用的简单例子：

1. <?php 
2. echo iconv("gb2312","ISO-8859-1","我们"); 
3. ?> 

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

1. < ?php 
2. header("content-Type: text/html; charset=Utf-8"); 
3. echo mb_convert_encoding("妳係我的友仔", "UTF-8", "GBK"); 
4. ?> 

再来个GB2312 To Big5

1. < ?php 
2. header("content-Type: text/html; charset=big5"); 
3. echo mb_convert_encoding("你是我的朋友", "big5", "GB2312"); 
4. ?> 

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：

1. iconv — Convert string to requested character encoding 
2. (PHP 4 >= 4.0.5, PHP 5) 
3. mb_convert_encoding — Convert character encoding 
4. (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.

1. 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. 
2. /* Auto detect encoding from JIS, eucjp-win, sjis-win, then convert str to UCS-2LE */ 
3. $str = mb_convert_encoding($str, “UCS-2LE”, “JIS, eucjp-win, sjis-win”); 
4. /* “auto” is expanded to “ASCII,JIS,UTF-8,EUC-JP,SJIS” */ 
5. $str = mb_convert_encoding($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.

Tags: iconv

分享到：