萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP iconv 轉碼導致中文截斷問題的根因與解決

問題復現

採集 GB2312 頁面轉 UTF-8 時,部分頁面內容被截斷,Apache 日誌出現:

Notice: iconv(): Detected an illegal character in input string

根因分析

iconv 預設行為:遇到無法在目標編碼表示的字符,**直接從該字符開始截斷後續內容**,並拋出 E_NOTICE。這導致後續大量有效數據丟失。

解決方案:追加 //IGNORE 標誌

<?php
// 錯誤寫法:遇非法字符截斷
$content = iconv('GB2312', 'UTF-8', $content);

// 正確寫法:忽略非法字符,保留後續內容
$content = iconv('GB2312', 'UTF-8//IGNORE', $content);
?>

原理說明

  • //TRANSLIT:嘗試用相似字符近似替換(如 "é" → "e")
  • //IGNORE:直接丟棄無法轉換的字符,**不中斷後續處理**
  • 不加標誌:遇無效字符即報錯並截斷

最佳實踐建議

  1. 統一使用 UTF-8(而非 UTF8),某些系統對大小寫敏感
  2. 採集前先用 mb_detect_encoding 確認源編碼,避免誤判
  3. 重要業務建議改用 mb_convert_encoding,功能更豐富且無截斷問題
  4. 轉碼後做長度校驗,若差異過大則記錄告警人工排查

擴展:批量轉碼工具函數

function safe_iconv($in_charset, $out_charset, $str) {
    return @iconv($in_charset, $out_charset . '//IGNORE', $str);
}

// 使用
$utf8_content = safe_iconv('GB2312', 'UTF-8', $gbk_content);
copyright © 萬盛學電腦網 all rights reserved