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
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。
//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', $content);
?>
//TRANSLIT:嘗試用相似字符近似替換(如 "é" → "e")//IGNORE:直接丟棄無法轉換的字符,**不中斷後續處理**UTF-8(而非 UTF8),某些系統對大小寫敏感mb_detect_encoding 確認源編碼,避免誤判mb_convert_encoding,功能更豐富且無截斷問題function safe_iconv($in_charset, $out_charset, $str) {
return @iconv($in_charset, $out_charset . '//IGNORE', $str);
}
// 使用
$utf8_content = safe_iconv('GB2312', 'UTF-8', $gbk_content);