如果想批处理以前下载的一堆文件，把文件里的关键内容用正则匹配出来，集中处理。操作文件时遇到一个问题，就是windows操作系统中的编码问题。本文将带着大家详细探讨此问题。

我们都知道windows中（当然是中文版），文件名和文件内容等编码都是gbk，而我们在开发过程中，IDE里的编码则是UTF-8，（这里不讨论为什么等等问题，只考虑怎么把编码转变成一样的）所以导致我写的UTF-8编码的正则模式字符串中的中文在gbk编码的文件中并不能正确匹配。

一开始，我并没有什么办法，试过把PHP脚本文件的编码也改成GBK，也可以用，但是想到这种方法太low了，所以找一找PHP中有没有函数可以满足我的需求。

这时，我想到了以前在处理windows中的文件名时用的函数iconv(),其函数原型如下：

stringiconv(string$in_charset,string$out_charset,string$str)

Performsacharactersetconversiononthestringstrfromin_charsettoout_charset.

我们常使用：

$out_charset='utf-8';

$fileName=iconv($fileName,$out_charset,'gbk');

来处理文件名，将文件名改从gbk改为UTF-8而内容不变。

手册翻译附加：

如果你在输出字符串$out_charset后面添加//TRANSLIT即$out_charset='utf-8//TRANSLIT',在遇到不能转换为UTF-8的字符时，程序会自动替换为一个相似字符的UTF-8字符；

如果你在输出字符串$out_charset后面添加//IGNORE即$out_charset='utf-8//IGNORE',在遇到不能转换为UTF-8的字符时，程序会自动跳过这个字符。

如果你什么都没加，就在遇到不能替换成UTF-8的字符时，替换会被中断。

但是，我在用这个函数处理时，结果却是这样：

意思是iconv()函数能处理的最大字符数只有64，一般的文件名大小，而我的文件内容很显然不止64个字符。

没有办法，我只好再次各种翻找别的函数。

直到我发现了mb_string函数库，这个函数库一般都在PHP环境里集成，我们可以在phpinfo()里找到它。

mb_string函数里有一个mb_convert_encoding()函数，可以将一个字符串的编码改变，其函数原型如下：

stringmb_convert_encoding(string$str,string$to_encoding[,mixed$from_encoding])

Convertsthecharacterencodingofstringstrtoto_encodingfromoptionallyfrom_encoding.

基原型跟iconv()函数差不多，只是它没有对输出函数的后缀修饰，它也没有对字符串长度的明确限制。

而且我们看到$from_encoding是可选的，它可以自动识别源编码。

因为找不到一个确切的无法转码的字符，也不知道它遇到无法转码的字符会怎么处理。

通过mb_convert_encoding()函数，将整个文件处理了一下，于是，问题顺利解决。

最后介绍一下mb_string函数库，它全名叫MultibyteString，它的很多方法都扩展自PHP自身的string函数库，函数名在原函数的前面加了"mb_"，这些函数除了拥有原函数的作用外，还在可选参数的最后加入了一个$encoding的可选参数，这个参数可以规定函数以什么样的编码方式来处理字符串。

例如strpos()函数，找到一个字符串在另一个字符串中的位置。

strpos("欢迎来访问","问",0)返回的结果是12，因为脚本是UTF-8编码，而将字符串转为UTF-8编码后，每个中文字符会占用3个字节。

而在mb_strpos()函数中，mb_strpos("欢迎来访问","问",0,'utf-8')则会返回4,它会将字符串当作已经转UTF-8的状态执行。

而mb_strpos("欢迎来访问","问",0,'gbk')会返回6

Tags: mb_string

分享到：