分割gbk中文出现乱码的问题解决，分割gbk中文乱码-php手册-PHP中文网

分割gbk中文出现乱码的问题解决，分割gbk中文乱码

php中文网

发布： 2016-06-13 08:45:45

原创

1593人浏览过

分割gbk中文出现乱码的问题解决，分割gbk中文乱码

近日遇到一个神奇的字“弢(tao)”。

具体的过程是这样的：

<span>1</span> <span>$list</span> = <span>explode</span>('|', 'abc弢|bc'<span>);
</span><span>2</span> <span>var_dump</span>(<span>$list</span>);

登录后复制

取得这个分割的结果。

和想象不同，结果居然是这样：

<span>array</span>(3<span>) {
  [</span>0]=>
  <span>string</span>(4) "<span>abc?
  [1]=>
  string(0) </span>""<span>
  [2]=>
  string(2) </span>"bc"<span>
}</span>

登录后复制

出现了乱码，而且莫名其妙的出现了一个空元素。

究其原因，原来这个字“弢”的gbk编码是8f7c，而|的ASCII是7c，这样explode就把弢的第二ASCII作为|切割了。

既然是双字节的问题，我们用mbstring解决好了。

可惜，php并没有mb_explode这种函数，找了找，找到一个mb_split。

<span>array</span> mb_split ( <span>string</span> <span>$pattern</span> , <span>string</span> <span>$string</span> [, int <span>$limit</span> = -1 ] )

登录后复制

没有声明编码的地方。仔细一看，他是通过mb_regex_encoding声明编码的。

于是写出以下的代码：

<span>1</span> mb_regex_encoding('gbk'<span>);
</span><span>2</span> <span>$list</span> = mb_split('\|', 'abc弢|bc'<span>);
</span><span>3</span> <span>var_dump</span>(<span>$list</span>);

登录后复制

结果php报错，mb_regex_encoding不认识gbk，囧。

那就使用它认识的：

<span>1</span> mb_regex_encoding('gb2312'<span>);
</span><span>2</span> <span>$list</span> = mb_split('\|', 'abc弢|bc'<span>);
</span><span>3</span> <span>var_dump</span>(<span>$list</span>);

登录后复制

结果：

lavender.ai

销售类电子邮件写作教练

112

查看详情

<span>array</span>(3<span>) {
  [</span>0]=>
  <span>string</span>(4) "<span>abc?
  [1]=>
  string(0) </span>""<span>
  [2]=>
  string(2) </span>"bc"<span>
}</span>

登录后复制

发现，这种方法并没有什么用处。、

至于原因？“弢”这个字居然不在GB2312的编码集里面！！！！！但是有这个字的编码集(GBK, GB18030)这个函数都不支持！！！！！

既然这个不好用，也许万能的正则表达式是ok的。于是得到以下代码：

<span>1</span> <span>var_dump</span>(<span>preg_match_all</span>('/([^\|])*/', 'abc弢|bc', <span>$matches</span><span>));
</span><span>2</span> <span>var_dump</span>(<span>$matches</span>);

登录后复制

结果：

int(2<span>)
</span><span>array</span>(2<span>) {
  [</span>0]=>
  <span>array</span>(2<span>) {
    [</span>0]=>
    <span>string</span>(4) "<span>abc?
    [1]=>
    string(2) </span>"bc"<span>
  }
  [1]=>
  array(2) {
    [0]=>
    string(1) </span>"?<span>
    [</span>1]=>
    <span>string</span>(1) "c"<span>
  }
}</span>

登录后复制

好吧，我想多了。

现在研究一下，如何用正则描述这个场景。

参考一下，鸟哥大神的博客：分割GBK中文遭遇乱码的解决。遗憾的是，正则能力比较low的我，还是想不出来合适的正则表达式(如果有想出这个正则表达式的大神们，希望可以告诉我)。

没办法，思来想去，只好用substr了：

<span> 1</span> <span>function</span> mb_explode(<span>$delimiter</span>, <span>$string</span>, <span>$encoding</span> = <span>null</span><span>){
</span><span> 2</span>     <span>$list</span> = <span>array</span><span>();
</span><span> 3</span>     <span>is_null</span>(<span>$encoding</span>) && <span>$encoding</span> =<span> mb_internal_encoding();
</span><span> 4</span>     <span>$len</span> = mb_strlen(<span>$delimiter</span>, <span>$encoding</span><span>);
</span><span> 5</span>     <span>while</span>(<span>false</span> !== (<span>$idx</span> = mb_strpos(<span>$string</span>, <span>$delimiter</span>, 0, <span>$encoding</span><span>))){
</span><span> 6</span>         <span>$list</span>[] = mb_substr(<span>$string</span>, 0, <span>$idx</span>, <span>$encoding</span><span>);
</span><span> 7</span>         <span>$string</span> = mb_substr(<span>$string</span>, <span>$idx</span> + <span>$len</span>, <span>null</span>, <span>$encoding</span><span>);
</span><span> 8</span> <span>    }   
</span><span> 9</span>     <span>$list</span>[] = <span>$string</span><span>;
</span><span>10</span>     <span>return</span> <span>$list</span><span>; 
</span><span>11</span> }

登录后复制

测试代码：

<span>1</span> <span>$a</span> = 'abc弢|bc'<span>;
</span><span>2</span> 
<span>3</span> <span>var_dump</span>(mb_explode('|', <span>$a</span>, 'gbk'<span>));
</span><span>4</span> <span>var_dump</span>(mb_explode('bc', <span>$a</span>, 'gbk'<span>));
</span><span>5</span> <span>var_dump</span>(mb_explode('弢', <span>$a</span>, 'gbk'));

登录后复制

结果：

<span>array</span>(2<span>) {
  [</span>0]=>
  <span>string</span>(5) "abc弢"<span>
  [</span>1]=>
  <span>string</span>(2) "bc"<span>
}
</span><span>array</span>(3<span>) {
  [</span>0]=>
  <span>string</span>(1) "a"<span>
  [</span>1]=>
  <span>string</span>(3) "弢|"<span>
  [</span>2]=>
  <span>string</span>(0) ""<span>
}
</span><span>array</span>(2<span>) {
  [</span>0]=>
  <span>string</span>(3) "abc"<span>
  [</span>1]=>
  <span>string</span>(3) "|bc"<span>
}</span>

登录后复制

这样就可以得到正确的结果了。