|
大家一定在编写PHP代码的过程中，经常会遇到需要对中文转码的问题，如 GB2312 <=> Unicode、GB2312 <=> Big5 等等。如果 PHP 编译时带有 mbstring 的话，可以使用 Multi-Byte String Function 实现部分转码工作。然而由于很多虚拟主机不支持 mbstring，或者 mbstring 的编译、配置过于麻烦，很多 PHP 代码无法使用这一序列的函数。 最近为了解决这个问题，找到一个不错的项目：PHP News Reader，这是一个基于 WEB 的新闻阅读器，支持基于 NNTP (RFC 977) 协议的新闻文章的阅读、发布、删除、回复等功能。这个项目实现了 GB2312 Big5 Unicode(UTF-8) 之间的相互转码，这个正是我所关心的部分。 使用 CVS 客户端（Linux 下直接用命令行就行，Windows 下推荐使用 Tortoise CVS）将项目的代码 Check Out 出来：
# cvs -d:pserver:anonymous@cvs.sourceforge.net:/cvsroot/pnews loginLogging in to :pserver:anonymous@cvs.sourceforge.net:2401/cvsroot/pnewsCVS password: (Press Enter)# cvs -z3 -d:pserver:anonymous@cvs.sourceforge.net:/cvsroot/pnews co pnewscvs server: Updating pnews… 查看 pnews/language 目录，此目录下包含了如下文件：
big5-gb.tabbig5-unicode.tabgb-big5.tabgb-unicode.tabunicode-big5.tabunicode-gb.tab 这些都是用于字符转换的码表，然后再看看 pnews/language.inc.php 文件，其中包含了几个用于编码转换的函数：
// Big5 => GBfunction b2g( $instr ) { $fp = fopen( 'language/big5-gb.tab', 'r' ); $len = strlen($instr); for( $i = 0 ; $i < $len ; $i++ ) { $h = ord($instr[$i]); if( $h >= 160 ) { $l = ord($instr[$i+1]); if( $h == 161 && $l == 64 ) $gb = ' '; else { fseek( $fp, (($h-160)*255+$l-1)*3 ); $gb = fread( $fp, 2 ); } $instr[$i] = $gb[0]; $instr[$i+1] = $gb[1]; $i++; } } fclose($fp); return $instr;}// GB => BIG5function g2b( $instr ) { $fp = fopen( 'language/gb-big5.tab', 'r' ); $len = strlen($instr); for( $i = 0 ; $i < $len ; $i++ ) { $h = ord($instr[$i]); if( $h > 160 && $h < 248 ) { $l = ord($instr[$i+1]); if( $l > 160 && $l < 255 ) { fseek( $fp, (($h-161)*94+$l-161)*3 ); $bg = fread( $fp, 2 ); } else $bg = ' '; $instr[$i] = $bg[0]; $instr[$i+1] = $bg[1]; $i++; } } fclose($fp); return $instr;}// Big5 => Unicode(UtF-8)function b2u( $instr ) { $fp = fopen( 'language/big5-unicode.tab', 'r' ); $len = strlen($instr); $outstr = ''; for( $i = $x = 0 ; $i < $len ; $i++ ) { $h = ord($instr[$i]); if( $h >= 160 ) { $l = ord($instr[$i+1]); if( $h == 161 && $l == 64 ) $uni = ' '; else { fseek( $fp, ($h-160)*510+($l-1)*2 ); $uni = fread( $fp, 2 ); } $codenum = ord($uni[0])*256 + ord($uni[1]); if( $codenum < 0x800 ) { $outstr[$x++] = chr( 192 + $codenum / 64 ); $outstr[$x++] = chr( 128 + $codenum % 64 );# printf("[%02X%02X]<br>n", ord($outstr[$x-2]), ord($uni[$x-1]) ); } else { $outstr[$x++] = chr( 224 + $codenum / 4096 ); $codenum %= 4096; $outstr[$x++] = chr( 128 + $codenum / 64 ); $outstr[$x++] = chr( 128 + ($codenum % 64) );# printf("[%02X%02X%02X]<br>n", ord($outstr[$x-3]), ord($outstr[$x-2]), ord($outstr[$x-1]) ); } $i++; } else $outstr[$x++] = $instr[$i]; } fclose($fp); if( $instr != '' ) return join( '', $outstr);}// Unicode(UTF-8) => BIG5function u2b( $instr ) { $fp = fopen( 'language/unicode-big5.tab', 'r' ); $len = strlen($instr); $outstr = ''; for( $i = $x = 0 ; $i < $len ; $i++ ) { $b1 = ord($instr[$i]); if( $b1 < 0x80 ) { $outstr[$x++] = chr($b1);# printf( "[%02X]", $b1); } elseif( $b1 >= 224 ) { # 3 bytes UTF-8 $b1 -= 224; $b2 = ord($instr[$i+1]) - 128; $b3 = ord($instr[$i+2]) - 128; $i += 2; $uc = $b1 * 4096 + $b2 * 64 + $b3 ; fseek( $fp, $uc * 2 ); $bg = fread( $fp, 2 ); $outstr[$x++] = $bg[0]; $outstr[$x++] = $bg[1];# printf( "[%02X%02X]", ord($bg[0]), ord($bg[1])); } elseif( $b1 >= 192 ) { # 2 bytes UTF-8 printf( "[%02X%02X]", $b1, ord($instr[$i+1]) ); $b1 -= 192; $b2 = ord($instr[$i]) - 128; $i++; $uc = $b1 * 64 + $b2 ; fseek( $fp, $uc * 2 ); $bg = fread( $fp, 2 ); $outstr[$x++] = $bg[0]; $outstr[$x++] = $bg[1];# printf( "[%02X%02X]", ord($bg[0]), ord($bg[1])); } } fclose($fp); if( $instr != '' ) {# echo '##' . $instr . " becomes " . join( '', $outstr) . "<br>n"; return join( '', $outstr); }}// GB => Unicode(UTF-8)function g2u( $instr ) { $fp = fopen( 'language/gb-unicode.tab', 'r' ); $len = strlen($instr); $outstr = ''; for( $i = $x = 0 ; $i < $len ; $i++ ) { $h = ord($instr[$i]); if( $h > 160 ) { $l = ord($instr[$i+1]); fseek( $fp, ($h-161)*188+($l-161)*2 ); $uni = fread( $fp, 2 ); $codenum = ord($uni[0])*256 + ord($uni[1]); if( $codenum < 0x800 ) { $outstr[$x++] = chr( 192 + $codenum / 64 ); $outstr[$x++] = chr( 128 + $codenum % 64 );# printf("[%02X%02X]<br>n", ord($outstr[$x-2]), ord($uni[$x-1]) ); } else { $outstr[$x++] = chr( 224 + $codenum / 4096 ); $codenum %= 4096; $outstr[$x++] = chr( 128 + $codenum / 64 ); $outstr[$x++] = chr( 128 + ($codenum % 64) );# printf("[%02X%02X%02X]<br>n", ord($outstr[$x-3]), ord($outstr[$x-2]), ord($outstr[$x-1]) ); } $i++; } else $outstr[$x++] = $instr[$i]; } fclose($fp); if( $instr != '' ) return join( '', $outstr);}// Unicode(UTF-8) => GBfunction u2g( $instr ) { $fp = fopen( 'language/unicode-gb.tab', 'r' ); $len = strlen($instr); $outstr = ''; for( $i = $x = 0 ; $i < $len ; $i++ ) { $b1 = ord($instr[$i]); if( $b1 < 0x80 ) { $outstr[$x++] = chr($b1);# printf( "[%02X]", $b1); } elseif( $b1 >= 224 ) { # 3 bytes UTF-8 $b1 -= 224; $b2 = ord($instr[$i+1]) - 128; $b3 = ord($instr[$i+2]) - 128; $i += 2; $uc = $b1 * 4096 + $b2 * 64 + $b3 ; fseek( $fp, $uc * 2 ); $gb = fread( $fp, 2 ); $outstr[$x++] = $gb[0]; $outstr[$x++] = $gb[1];# printf( "[%02X%02X]", ord($gb[0]), ord($gb[1])); } elseif( $b1 >= 192 ) { # 2 bytes UTF-8 printf( "[%02X%02X]", $b1, ord($instr[$i+1]) ); $b1 -= 192; $b2 = ord($instr[$i]) - 128; $i++; $uc = $b1 * 64 + $b2 ; fseek( $fp, $uc * 2 ); $gb = fread( $fp, 2 ); $outstr[$x++] = $gb[0]; $outstr[$x++] = $gb[1];# printf( "[%02X%02X]", ord($gb[0]), ord($gb[1])); } } fclose($fp); if( $instr != '' ) {# echo '##' . $instr . " becomes " . join( '', $outstr) . "<br>n"; return join( '', $outstr); }}在自己的 PHP 文件中需要转码时，只需要 .tab 码表文件及相对应的转码函数，将函数中的 fopen 打开的文件路径修改为正确的路径即可。 |
