GD输出汉字的函数的分析_php教程-查字典教程网
GD输出汉字的函数的分析
GD输出汉字的函数的分析
发布时间:2016-12-29 来源:查字典编辑
摘要:很早以前找到一个把GB码转化为UTF-8的函数,配合一个GB到UNICODE的对照表(gb2312.txt),用于在GD中输出汉字。后来发现...

很早以前找到一个把GB码转化为UTF-8的函数,配合一个GB到UNICODE的对照表(gb2312.txt),用于在GD中输出汉字。后来发现在欲输出的内容中含有西文字符时,会出现混乱。后来找到了修改后的代码,解决了问题。现将两个函数做一对比分析如下。

首先,这是一个UNICODE到UTF-8编码转换的函数,这一部分修改前后没有变化:

function u2utf8($c)

{

for($i=0;$i<count($c);$i++)

$str="";

if ($c < 0x80) {

$str.=$c;

}

else if ($c < 0x800) {

$str.=(0xC0 | $c>>6);

$str.=(0x80 | $c & 0x3F);

}

else if ($c < 0x10000) {

$str.=(0xE0 | $c>>12);

$str.=(0x80 | $c>>6 & 0x3F);

$str.=(0x80 | $c & 0x3F);

}

else if ($c < 0x200000) {

$str.=(0xF0 | $c>>18);

$str.=(0x80 | $c>>12 & 0x3F);

$str.=(0x80 | $c>>6 & 0x3F);

$str.=(0x80 | $c & 0x3F);

}

return $str;

}

这里完全是按照UTF-8编码的规则,通过判断字符属于不同的UNICODE编码段范围,进行不同的移位和位与操作,以转化为UTF-8编码。关于该规则可参考http://www.utf8.org/上的说明。

这是修改前的GB转化为UTF-8编码的函数,其中调用了上面的u2utf8函数。

function gb2utf8($gb)/* Program writen by sadly www.phpx.com*/

{

if(!trim($gb))

return $gb;

$filename="gb2312.txt";

$tmp=file($filename);

$codetable=array();

while(list($key,$value)=each($tmp))

$codetable[hexdec(substr($value,0,6))]=substr($value,7,6);

$utf8="";

while($gb)

{

if (ord(substr($gb,0,1))>127)

{

$this=substr($gb,0,2);

$gb=substr($gb,2,strlen($gb));

$utf8.=u2utf8(hexdec($codetable[hexdec(bin2hex($this))-0x8080]));

}

else

{

$gb=substr($gb,1,strlen($gb));

$utf8.=u2utf8(substr($gb,0,1));

}

}

$ret="";

for($i=0;$i<strlen($utf8);$i+=3)

$ret.=chr(substr($utf8,$i,3));

return $ret;

}

函数中while循环部分,把汉字逐个按照“对照表”转化为UNICODE,再通过u2utf8函数转化为UTF-8。但从中可以看出,while循环结束后,又用一个for循环,把每三个字节合成了一个UTF-8字符(见http://www.utf8.org/上的规则说明,每个汉字的UTF-8编码为三字节),没有考虑到其中的西文字符(西文字符的UTF-8编码为一字节)。所以,如果欲输出的内容中不论是开始时出现西文字符,或是汉字当中穿插西文字符,转化为UTF-8后,都会被按照“每三个字节截取”的方式截开,导致乱码。

以下是修改后的函数:

function gb2utf8($gb)/* Program writen by sadlymodified by agun */

{

if(!trim($gb))

return $gb;

$filename="gb2312.txt";

$tmp=file($filename);

$codetable=array();

while(list($key,$value)=each($tmp))

$codetable[hexdec(substr($value,0,6))]=substr($value,7,6);

$ret="";

$utf8="";

while($gb)

{

if (ord(substr($gb,0,1))>127)

{

$this=substr($gb,0,2);

$gb=substr($gb,2,strlen($gb));

$utf8=u2utf8(hexdec($codetable[hexdec(bin2hex($this))-0x8080]));

for($i=0;$i<strlen($utf8);$i+=3)

$ret.=chr(substr($utf8,$i,3));

}

else

{

$ret.=substr($gb,0,1);

$gb=substr($gb,1,strlen($gb));

}

}

return $ret;

}

修改后的函数将 GB转化为UNICODE、UNICODE转化为UTF-8、几个字节合成一个UTF-8字符,这三个步骤在一个循环里完成,尤其是几个字节合成一个UTF-8字符这一步骤,放在判断了字符属于西文还是属于汉字的条件分支里,据此决定截取一个字节还是三个字节。于是结果正确了!

相关阅读
推荐文章
猜你喜欢
附近的人在看
推荐阅读
拓展阅读
  • 大家都在看
  • 小编推荐
  • 猜你喜欢
  • 最新php教程学习
    热门php教程学习
    编程开发子分类