轉:coolcode.cn
前幾天寫了一篇在任意字符集下正常顯示網頁的方法，裡面介紹的很簡單，就是把前128個字符以外的字符集都用 NCR 來表示，但是具體怎麼轉化我沒有介紹，因為當時我覺得太簡單了。但是後來發現有人問這個問題，這裡就詳細說明一下。
首先第一步是要把源字符集的字符串轉化為 UTF-16 字符集，做這一步是因為 UTF-16 字符集中的每個字符都是兩個字節，後面處理起來很容易，而如果在源字符集上直接做處理則很復雜。源字符集可以從原網頁中的 meta 標簽中獲得，也可以單獨指定，我的程序是讓用戶在表單中指定源字符集，因為我不能保證用戶提交的文件就一定是 HTML 文件（其他文件也是可以的，比如這個 WordPress 的漢化包源文件是個 po 文件，它裡面的內容也可以這樣處理），而且即使是 HTML 文件，裡面也不一定就有用於指定字符集的 meta 標簽，所以通過表單單獨指定字符集比較保險。你可能會覺得將一種字符集轉化為另一種字符集很復雜，確實如此，如果自己來實現的話，確實非常麻煩，但是用 PHP 來做卻很容易，因為它裡面已經包含這樣的函數了，你可以通過 iconv 函數很容易的來實現各種字符集之間的轉化，如果你的機器上沒有安裝 iconv 擴展，你也可以使用 mb_convert_encoding 函數，如果 Multibyte String 擴展也沒有安裝，那就沒辦法了，因為你要自己實現那麼多種編碼的轉化基本上是不可能的，除非你是頂級大牛！推薦使用 iconv，因為這個效率高，支持的字符集也更多。
做完上面那一步之後，接下來是以每兩個字節為單位對字符串進行處理。這兩個字節直接轉化為數字就是 &#xxxxx; 中的 xxxxx，如果這個數字小於 128 就直接使用這個字符（注意這裡就變成單字節了），否則就使用 &#xxxxx; 的形式。這裡有一點要注意，就是當這個數字是 65279（16 進制的 0xFEFF）時，請把它忽略掉，因為這個是 Unicode 編碼中的傳輸控制字符，而我們現在的字符串已經只有 iso-8859-1 編碼中的前 128 個字符了，所以我們不需要它了。
好了，基本思路就是這樣，下面是實現的程序：
下載: nochaoscode.php
復制代碼 代碼如下:
<?php
function nochaoscode($encode, $str) {
$str = iconv($encode, "UTF-16BE", $str);
for ($i = 0; $i < strlen($str); $i++,$i++) {
$code = ord($str{$i}) * 256 + ord($str{$i + 1});
if ($code < 128) {
$output .= chr($code);
} else if ($code != 65279) {
$output .= "&#".$code.";";
}
}
return $output;
}
?>
函數的參數中，$encode 是源字符集，$str 是需要進行轉化的字符串。返回結果是轉化以後字符串。
補充：今天 Legend 告訴我一種更簡單的方法，就是直接利用 mb_convert_encoding 函數。因為 mb_convert_encoding 支持一種叫做 HTML-ENTITIES 的編碼格式，也就是 NCR 編碼。用它就更簡單了。
