GD输出汉字的函数的分析

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,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;$icount($c);$i++) $str=””; if ($c 0x80) {
$str.=$c; } else if ($c 0x800) { $str.=(0xC0 | $c6); $str.=(0x80 | $c
0x3F); } else if ($c 0x10000) { $str.=(0xE0 | $c12); $str.=(0x80 | $c6
0x3F); $str.=(0x80 | $c 0x3F); } else if ($c 0x200000) { $str.=(0xF0 |
$c18); $str.=(0x80 | $c12 0x3F); $str.=(0x80 | $c6 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 */ { 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;$istrlen($utf8);$i+=3)
$ret.=chr(substr($utf8,$i,3)); return $ret; }
函数中while循环部分,把汉字逐个按照“对照表”转化为UNICODE,再通过u2utf8函数转化为UTF-8。但从中可以看出,while循环结束后,又用一个for循环,把每三个字节合成了一个UTF-8字符,没有考虑到其中的西文字符。所以,如果欲输出的内容中不论是开始时出现西文字符,或是汉字当中穿插西文字符,转化为UTF-8后,都会被按照“每三个字节截取”的方式截开,导致乱码。
以下是修改后的函数: function gb2utf8($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($this))-0x8080]澳门新葡亰手机版,));
for($i=0;$istrlen($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!