PHP的GBK与UTF8字符编码问题

一、编码范围   
  
1. GBK (GB2312/GB18030)   
\x00-\xff GBK双字节编码范围   
\x20-\x7f ASCII   
\xa1-\xff 中文   
\x80-\xff 中文   
  
2. UTF-8 (Unicode)   
\u4e00-\u9fa5 (中文)   
\x3130-\x318F (韩文   
\xAC00-\xD7A3 (韩文)   
\u0800-\u4e00 (日文)   
ps: 韩文是大于[\u9fa5]的字符   
  
  
正则例子:   
preg_replace("/([\x80-\xff])/","",$str);   
preg_replace("/([u4e00-u9fa5])/","",$str);   
  
  
二、代码例子   
  
//判断内容里有没有中文-GBK (PHP)   
function check_is_chinese($s){   
    return preg_match('/[\x80-\xff]./', $s);   
}   
  
//获取字符串长度-GBK (PHP)   
function gb_strlen($str){   
    $count = 0;   
    for($i=0; $i        $s = substr($str, $i, 1);   
        if (preg_match("/[\x80-\xff]/", $s)) ++$i;   
        ++$count;   
    }   
    return $count;   
}   
  
//截取字符串字串-GBK (PHP)   
function gb_substr($str, $len){   
    $count = 0;   
    for($i=0; $i        if($count == $len) break;   
        if(preg_match("/[\x80-\xff]/", substr($str, $i, 1))) ++$i;   
        ++$count;           
    }   
    return substr($str, 0, $i);   
}   
  
//统计字符串长度-UTF8 (PHP)   
function utf8_strlen($str) {   
    $count = 0;   
    for($i = 0; $i < strlen($str); $i++){   
        $value = ord($str[$i]);   
        if($value > 127) {   
            $count++;   
            if($value >= 192 && $value <= 223) $i++;   
            elseif($value >= 224 && $value <= 239) $i = $i + 2;   
            elseif($value >= 240 && $value <= 247) $i = $i + 3;   
            else die('Not a UTF-8 compatible string');   
        }   
        $count++;   
    }   
    return $count;   
}   
  
  
//截取字符串-UTF8(PHP)   
function utf8_substr($str,$position,$length){   
    $start_position = strlen($str);   
    $start_byte = 0;   
    $end_position = strlen($str);   
    $count = 0;   
    for($i = 0; $i < strlen($str); $i++){   
        if($count >= $position && $start_position > $i){   
            $start_position = $i;   
            $start_byte = $count;   
        }   
        if(($count-$start_byte)>=$length) {   
            $end_position = $i;   
            break;   
        }       
        $value = ord($str[$i]);   
        if($value > 127){   
            $count++;   
            if($value >= 192 && $value <= 223) $i++;   
            elseif($value >= 224 && $value <= 239) $i = $i + 2;   
            elseif($value >= 240 && $value <= 247) $i = $i + 3;   
            else die('Not a UTF-8 compatible string');   
        }   
        $count++;   
  
    }   
    return(substr($str,$start_position,$end_position-$start_position));   
}   
  
  
//字符串长度统计-UTF8 [中文3个字节，俄文、韩文占2个字节，字母占1个字节] (Ruby)   
def utf8_string_length(str)   
    temp = CGI::unescape(str)   
    i = 0;   
    j = 0;   
    temp.length.times{|t|   
        if temp[t] < 127   
            i += 1   
        elseif temp[t] >= 127 and temp[t] < 224   
            j += 1   
            if 0 == (j % 2)   
                i += 2   
                j = 0   
            end  
        else  
            j += 1   
            if 0 == (j % 3)   
                i +=2   
                j = 0   
            end  
        end  
    }   
    return i   
}   
  
//判断是否是有韩文-UTF-8 (JavaScript)   
function checkKoreaChar(str) {   
    for(i=0; i        if(((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) < 0x318F) || (str.charCodeAt(i) >= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {   
            return true;   
        }   
    }   
    return false;   
}   
//判断是否有中文字符-GBK (JavaScript)   
function check_chinese_char(s){   
    return (s.length != s.replace(/[^\x00-\xff]/g,"**").length);   
  
  
三、参考文档   
  
  
另：   
  
/*  
* 中文截取，支持gb2312,gbk,utf-8,big5   
*  
* @param string $str 要截取的字串  
* @param int $start 截取起始位置  
* @param int $length 截取长度  
* @param string $charset utf-8|gb2312|gbk|big5 编码  
* @param $suffix 是否加尾缀  
*/  
public function csubstr($str, $start=0, $length, $charset="utf-8", $suffix=true)   
{   
if(function_exists("mb_substr"))   
return mb_substr($str, $start, $length, $charset);   
$re['utf-8'] = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";   
$re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";   
$re['gbk'] = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";   
$re['big5'] = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";   
preg_match_all($re[$charset], $str, $match);   
$slice = join("",array_slice($match[0], $start, $length));   
if($suffix) return $slice."…";   
return $slice;   
}  

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/pingfuzhang/archive/2008/10/14/3072742.aspx