和珅虽是奸臣但也不能被 GBK 看不起啊 - -！

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3362 天前的主题，其中的信息可能已经有所发展或是发生改变。

“珅”字： GBK 不认得（字库里应该没有这个字），需要将字符串用“|” explode 分割为数组，有好的解决办法？

code 存储编码： GBK

以下是测试 code

<?php
$str = '和珅虽是奸臣|为什么被 GBK 歧视';
$arr = explode ('|',$str );
print_r ($arr );
?>

目前我们用的办法： GBK 先转 UTF8 再转回来，感觉比较麻烦，有神马神秘简单的方法没？

<?php
$str = '和珅虽是奸臣|为什么被 GBK 歧视';
$str = iconv ('GBK', 'UTF-8', $str );
$arr = explode ('|',$str );

print_r (utf_gbk ($arr ));

function utf_gbk ($data ){
    if (is_array ($data )){
        foreach ($data as $k=>$v ){
            $result[$k] = utf_gbk ($v );
        }
    }else{
        $result =  iconv ("UTF-8", "GBK//IGNORE", $data );
    }
    return $result;
}
?>

第 1 条附言 · 2015-08-27 17:23:21 +08:00

“珅”字： GBK 不认得（字库里应该没有这个字）
请无视以上这行~(这里失误！)

关键是“珅”和“|”一起 explode 分割问题

第 2 条附言 · 2015-08-28 09:03:26 +08:00

目前最优写法，感谢 @Zzzzzzzzz

$str = '和珅虽是奸臣|为什么被 GBK 歧视';
mb_regex_encoding  ('GB2312');
$ss = mb_split('\|', $str );
print_r($ss);

25 条回复 • 2015-08-28 13:51:17 +08:00

moro

2015-08-27 16:57:53 +08:00

为什么要用 GBK..

hanbing

2015-08-27 17:01:21 +08:00

@moro 历史遗留问题呗

lululau

2015-08-27 17:03:56 +08:00

打脸： echo 和珅 | iconv -t GBK | iconv -f GBK

lululau

2015-08-27 17:04:20 +08:00

我知道 LZ 要说的是 GB2312

hanbing

2015-08-27 17:19:24 +08:00

@lululau 打脸前先测试下， GBK 用“|” 做 explode ，试试 OK ？
不是简体繁体的问题，是“|”符号

Zzzzzzzzz

2015-08-27 17:28:52 +08:00

珅在 gb 系列里是\xab\x7c, \x7c 就是|, 你可以用 mb_split ('\|', $str );

abelyao

2015-08-27 17:32:49 +08:00

用 explode 来分割中文本来就有危险…

wesley

2015-08-27 17:35:16 +08:00

用 mb_开头的函数来处理

aprikyblue

2015-08-27 17:45:42 +08:00

把分隔符改用多个字符， length>=2byte

letitbesqzr

2015-08-27 17:46:29 +08:00

卧槽，头像和我好像

hanbing

2015-08-27 17:50:42 +08:00

@Zzzzzzzzz 都存在\x7c, mb_split 切割测试后同样问题，珅\xab\x7c 也会被切割

hanbing

2015-08-27 17:51:25 +08:00

@letitbesqzr - -!

xfspace

2015-08-27 17:51:30 +08:00 via Android

@letitbesqzr 我日。。。我还以为是你

letitbesqzr

2015-08-27 17:54:49 +08:00

@xfspace 哈哈，我背景红色的还改小了点,适合一些网站剪裁成圆形

Zzzzzzzzz

2015-08-27 17:54:57 +08:00

@hanbing mb_split 之前先 mb_regex_encoding ('GBK');一下看看

aprikyblue

2015-08-27 18:34:56 +08:00

mb_ 系列应该是正确做法

不过试了下， mb_regex_encoding ('GBK')报错，只能 GB2312

Hashell

2015-08-27 18:51:35 +08:00

我觉得,即使是历史问题,也要转为 UTF-8, 方便处理. 话说,为什么要自己写转化编码的函数啊?

```php

header ('Content-Type:text/html; charset=gbk');
$str = '和珅虽是奸臣|为什么被 GBK 歧视';

function convert ($str )
{
return array_map (function ($v ) {
return mb_convert_encoding ($v, 'CP936', 'UTF-8');
}, explode ('|', mb_convert_encoding ($str, 'UTF-8', 'CP936')));
}

$r = convert ($str );
var_dump ($r );

```