关于utf-8编码，熟悉的进来给指导下！~急
看了php手册，php得utf8_encode对中文是4字节编码，而java，windows等编码都采用3字节编码，java那边对于php这边的4字节编码可以解析，而php这边对于3字节的编码无法正确解析。。。怎么办？（必须用utf8编码交互的话） 问题点数：50、回复次数：15Top
1 楼helloyou0（你好！）回复于 2005-08-05 09:23:51 得分 0
utf8里中文应该大部分都是3字节啊Top
2 楼yh801216（艾奥利斯）回复于 2005-08-05 09:31:03 得分 0
utf8里中文应该大部分都是3字节啊???...php？？怎么转码的？
Top
3 楼hjmsolar（孤舟蓑笠翁）回复于 2005-08-05 09:33:30 得分 0
如果是utf-8的话，strlen('字')==3;
怎么是等于4？？？Top
4 楼xuzuning（唠叨）回复于 2005-08-05 09:43:11 得分 10
utf8_encode不能处理中文！
utf8_encode
(PHP 3 >= 3.0.6, PHP 4, PHP 5)
utf8_encode -- 将 ISO-8859-1 编码的字符串转换为 UTF-8 编码
——————
描述
string utf8_encode ( string data )
该函数将 data 字符串转换为 UTF-8 编码，并返回编码后的字符串。UTF-8 是一种用于将宽字符值转换为字节流的 Unicode 的标准机制。UTF-8 对于纯 ASCII 字符来说是透明的，且是自同步的（也就是说这使得程序能够得知字符从字节流的何处开始），并可被普通字符串比较函数用以比较等操作。PHP 可将 UTF-8 编码为多达四个字节的字符，如：
表格 1. UTF-8 编码
字节（bytes） 位（bits） 表 示
1 7 0bbbbbbb
2 11 110bbbbb 10bbbbbb
3 16 1110bbbb 10bbbbbb 10bbbbbb
4 21 11110bbb 10bbbbbb 10bbbbbb 10bbbbbb
每个 UTF-8 表示一个能被用以储存字符数据的位。
Top
5 楼lm92（）回复于 2005-08-05 09:53:49 得分 15
可使用iconv函数，参见
http://cn.php.net/manual/zh/function.iconv.phpTop
6 楼yh801216（艾奥利斯）回复于 2005-08-05 10:33:47 得分 0
谢谢，初步测试可以了。再看看Top
7 楼yh801216（艾奥利斯）回复于 2005-08-05 10:58:20 得分 0
另外，iconv(input_charset,output_charset,str);
这里的input_charset如何确定？
iconv_get_encoding获得的3个参数全部都是iso-8859-1,但是实际上是gb2312(我用的editplus2编辑器，它的默认字符编码好像就是gb2312).
那么我如何在程序中确定前面这个参数呢？如果需要限制编辑器那不是很惨？。。。Top
8 楼lm92（）回复于 2005-08-05 11:09:57 得分 0
用多字节处理函数库中的mb_detect_encoding，这个和iconv一样，需要服务器加载扩展才能支持
http://cn.php.net/manual/zh/function.mb-detect-encoding.phpTop
9 楼gu1dai（异域苍穹.百年飞行）回复于 2005-08-05 12:15:14 得分 5
请看mb_convert_encoding的，这个需要mb_string库的支持
<?php
/* Convert internal character encoding to SJIS */
$str = mb_convert_encoding($str, "SJIS");
/* Convert EUC-JP to UTF-7 */
$str = mb_convert_encoding($str, "UTF-7", "EUC-JP");
/* Auto detect encoding from JIS, eucjp-win, sjis-win, then convert str to UCS-2LE */
$str = mb_convert_encoding($str, "UCS-2LE", "JIS, eucjp-win, sjis-win");
/* "auto" is expanded to "ASCII,JIS,UTF-8,EUC-JP,SJIS" */
$str = mb_convert_encoding($str, "EUC-JP", "auto");
?>Top
10 楼netvt（唯她(为了泡老婆,努力学习LISP)）回复于 2005-08-05 12:50:24 得分 10
参见:
http://community.csdn.net/Expert/TopicView1.asp?id=4175715
http://community.csdn.net/Expert/TopicView.asp?id=4168183Top
11 楼yh801216（艾奥利斯）回复于 2005-08-05 14:49:33 得分 0
嗯，明白不少，
再问个问题哈，
之前我用utf8_encode编码中文时得到的是4字节编码，我用php的utf8_decode解码输出正确中文，这个不难理解，
传给java程序，它那边ISO-8859-1 => GBK(随便一种，只要浏览器支持的吧？)，也能得到正常中文。。。这是怎么回事啊。。。Top
12 楼helloyou0（你好！）回复于 2005-08-05 22:51:19 得分 10
呵呵，研究了一下，应该是这样。
utf8_encode是如手册所说转iso-8859-1到utf8用的，那么你用来转gbk编码汉字，
比如，“我”字，它把它当作两个iso-8859-1的字符，chr(206)和chr(210)，因为gbk
汉字编码是两个>128的字节组成的。
而这两个字符对应的utf8分别是2字节编码，所以你得到一个4字节编码，但是，其实它
不是汉字‘我’的utf8编码（应为11100110 10001000 10010001，3字节），而是两个
字符chr(206)和chr(210)的utf8编码(分别为11000011 10001110和 11000011 10010010 )
当时php中用utf8_decode时，它再还原成chr(206),chr(210),而你输出这两个字符时，
因为页面使用gbk编码，所以它们又合成了原来的汉字‘我’，
你传给java后，java一样的过程，iso-8859-1＝》gbk变成chr(206),chr(210)，然后显示成‘我’
根据这个判断，如果java中你使用其它编码，结果就会不对了，比如你可以试试iso-8859-1=>utf8,
因为两个utf8编码的chr(206),chr(210)不能合并成一个‘我’
Top
13 楼yh801216（艾奥利斯）回复于 2005-08-06 09:13:04 得分 0
嗯，谢谢！~Top
14 楼xylegend（pal）回复于 2005-08-06 19:30:30 得分 0
markTop
15 楼s_future（）回复于 2006-01-15 14:34:42 得分 0
markTop
