PHP判断字符串所属编码：ASCII、GB2312、GBK、UTF-8、ISO-8859-1

2022-06-02 10:05:52

ASCII： ASCII的编码范围为0-127（十六进制：0x00-0x7F），判断函数：

function isasciistr($str){
    for($i=0;$i<strlen($str);$i++){
        if(ord(substr($str,$i,1))>0x7F) return false;
    }
    return true;
}

ISO-8859-1：也称Latin1。编码范围是0-255（0x00-0xFF）。0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号,判断函数：

因为ISO-8859-1的范围中包含了0xC2-0xDF以及0x80-0xBF,而UTF-8的两、三、四字节中都可能出现在这些范围。所以，有可能将ISO-8859-1错判断为UTF-8，一般需要指定顺序，在两者都符合的情况下，顺序优先。

function islatin1str($str,$order=‘‘){
    if(empty($order)) $order = array(‘ASCII‘,‘UTF-8‘,‘ISO-8859-1‘);
    
    $cs = [‘ASCII‘=>‘isasciistr‘,‘GB2312‘=>‘isgb2312str‘,‘GBK‘=>‘isgbkstr‘,‘UTF-8‘=>‘isutf8str‘];
    
    $flags = [];
    $charset = false;
    $other = [];
    for($i=0;$i<count($order);$i++){
        $ofun = NULL;
        if($order[$i]!=‘ISO-8859-1‘ && $order[$i]!=‘WINDOWS-1252‘){
            $ofun = $cs[$order[$i]];
            if(!empty($ofun)){
                $charset = $order[$i]==‘UTF-8‘ ? call_user_func_array("$ofun",array($str,true)): call_user_func("$ofun",$str);
                if($charset){
                    $other[] = $order[$i];
                }
            }
            
        }
    }
    
    $flag = true;
    $N = count($other);
    if($N>0){
        for($k=0;$k<$N;$k++){
            if(array_search(‘ISO-8859-1‘,$order)!==false){
                if(array_search($other[$k],$order)<array_search(‘ISO-8859-1‘,$order)){
                    return false;
                }
            }
        }
    }
    
    return true;
    
}

判断是否ISO-8859-1的函数中利用到了其它几个判断函数（见下边），分别是isasciistr()、isgb2312str()、isgbkstr()、isutf8str()。

GB2312：简体中文编码，范围是0xA1A1－0xFEFE（汉字所在编码范围为B0A1-F7FE）。判断函数如下：

function isgb2312str($str){
    $len = strlen($str);
    for($i=0;$i<$len;$i++){
        $c1 = substr($str,$i,1);
        if(ord($c1)<=0x7F) continue;
        $flag1 = ord($c1)>=0xA1 && ord($c1)<=0xFE;
        if(!$flag1 || $i==$len-1) return false;
        $c2 = substr($str,$i+1,1);
        $flag2 = ord($c2)>=0xA1 || ord($c2)<=0xFE;
        if(!$flag2) return false;
        $i++;
    }
    
    return true;
}

GBK：在GB2312基础上扩展的编码，范围是0x8140－0xFEFE。判断函数如下：

function isgbkstr($str){
    $len = strlen($str);
    for($i=0;$i<$len;$i++){
        $c1 = substr($str,$i,1);
        if(ord($c1)<=0x7F) continue;
        $flag1 = ord($c1)>=0x81 && ord($c1)<=0xFE;
        if(!$flag1 || $i==$len-1) return false;
        $c2 = substr($str,$i+1,1);
        $flag2 = ord($c2)>=0x81 || ord($c2)<=0xFE;
        if(!$flag2) return false;
        $i++;
    }
    
    return true;
}

UTF-8：这是可变长（一字节，两字节，三字节，四字节，五字节，六字节）的编码。通常只处理到四个字节的编码，由于部分编码范围可能与GBK非汉字部分重叠（网上很多版本都不太准确），需要处理一下，判断如下：

function isutf8str($str,$utf8all2bits=false){
    $bit2 = true;
    $bit3 = false;
    $bit4 = false;
    $allCN = array();
    $len = strlen($str);
    for($i=0;$i<$len;$i++){
        $c1 = substr($str,$i,1);
        if(ord($c1)<=0x7F) continue;
        if(ord($c1)>=0xFF) return false;
        $flag1_2 = ord($c1)>=0xc0 && ord($c1)<=0xdf;
        $flag1_3 = ord($c1)>=0xe0 && ord($c1)<=0xef;
        $flag1_4 = ord($c1)>=0xf0 && ord($c1)<=0xf7; 
        if(!($flag1_2 || $flag1_3 || $flag1_4) || $i==$len-1) return false;
        $c2 = substr($str,$i+1,1);
        
        $flag2 = ord($c2)>=0x80 && ord($c2)<=0xbf;
        if(!$flag2) return false;
        if($flag1_2){
            $bit2 = true;
            $allCN[] = (ord($c1)>=0xB0 && ord($c1)<=0xF7 && ord($c2)>=0xA1 && ord($c2)<=0xFE) ? 1 : 0;
            
            if($i==$len-2) {

                if($bit3 || $bit4) return true;

$N = count($allCN);
                if($N>0){
                    for($n=0;$n<$N;$n++){
                        if($allCN[$n]!=1){
                            return true;
                        }
                    }
                }
                return $utf8all2bits;
            }
            $i=$i+1;
        }else{
            if($i==$len-2) return false;
            $c3 = substr($str,$i+2,1);
            $flag3 = ord($c3)>=0x80 && ord($c3)<=0xbf;
            if(!$flag3) return false;
            if($flag1_3){
                $bit3 = true;
                if($bit2 || $bit4 || $i==$len-3) return true;
                $i=$i+2;
            }else{
                $bit4 = true;
                if($i==$len-3) return false;
                $c4 = substr($str,$i+3,1);
                $flag4 = ord($c4)>=0x80 && ord($c4)<=0xbf;
                if(!$flag4) return false;
                if($bit2 || $bit3 || $i==$len-4) return true;
                $i=$i+3;
            }
        }
    }
    
    return true;
}

以上各种编码也可以使用mb_detect_encoding()来处理，不过需要注意顺序：

function isasciistr($str){
    return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘ASCII‘,‘ISO-646‘]);
}
function islatin1str($str){
    return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘Latin1‘,‘ISO-8859-1‘]);
}
function isgb2312str($str){
    return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘GB2312‘,‘EUC-CN‘]);
}
function isgbkstr($str){
    return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘GBK‘,‘CP936‘]);
}
function isut8str($str){
    return in_array(mb_detect_encoding($str,array(‘ASCII‘,‘GB2312‘,‘GBK‘,‘UTF-8‘,‘ISO-8859-1‘)),[‘UTF-8‘]);
}

PHP判断字符串所属编码：ASCII、GB2312、GBK、UTF-8、ISO-8859-1

码农公寓

相关文章