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 字串編碼自動偵測與轉換:mb_detect_encoding + mb_convert_encoding

需求場景

處理外部資料來源 (爬蟲、匯入 CSV、舊系統整合) 時,編碼常不一致 (UTF-8、GBK、BIG5、Shift_JIS 等)。需自動偵測原編碼並統一轉為目標編碼 (通常為 UTF-8)。

通用轉換函式

<?php
/**
 * 遞迴將陣列或字串從偵測到的編碼轉為目標編碼
 * @param array|string $data  輸入資料
 * @param string       $output 目標編碼 (預設 UTF-8)
 * @return array|string 轉換後資料
 */
function array_iconv($data, $output = 'UTF-8') {
    // 常見編碼優先順序 (依專案調整)
    $encode_list = ['UTF-8', 'ASCII', 'GBK', 'GB2312', 'BIG5', 'JIS', 'EUC-JP', 'SJIS-win'];
    
    if (!is_array($data)) {
        // 字串:偵測編碼並轉換
        $detected = mb_detect_encoding($data, $encode_list, true);
        if ($detected) {
            return mb_convert_encoding($data, $output, $detected);
        }
        return $data; // 無法偵測則保持原樣
    }
    
    // 陣列:遞迴處理
    foreach ($data as $key => $val) {
        if (is_array($val)) {
            $data[$key] = array_iconv($val, $output);
        } elseif (is_string($val)) {
            $detected = mb_detect_encoding($val, $encode_list, true);
            if ($detected) {
                $data[$key] = mb_convert_encoding($val, $output, $detected);
            }
        }
    }
    return $data;
}

// 使用範例
$input = ['title' => '測試', 'content' => '內容']; // 假設為 BIG5
$utf8_data = array_iconv($input, 'UTF-8');
print_r($utf8_data);
?>

關鍵函式說明

  • mb_detect_encoding($str, $list, $strict):依 $list 順序偵測,$strict=true 時更嚴格,避免誤判。
  • mb_convert_encoding($str, $to, $from):執行實際轉換,$from 可為陣列 (自動嘗試) 或單一編碼。
  • 需啟用 mbstring 擴展 (PHP 內建,通常預設開啟)。

進階:處理檔案匯入

<?php
// CSV 匯入範例:逐行讀取、轉碼、解析
$handle = fopen('data.csv', 'r');
while (($row = fgetcsv($handle)) !== false) {
    $row = array_iconv($row, 'UTF-8');
    // 後續寫入資料庫...
}
fclose($handle);
?>

效能考量

大量資料時,mb_detect_encoding 會掃描字串,建議:

  1. 若來源編碼固定,直接指定 $from 略過偵測。
  2. 批次處理時,可抽樣偵測第一筆,後續統一用該編碼。
  3. 考慮使用 iconv (非 mbstring) 在某些情況下較快,但錯誤處理較嚴格。
copyright © 萬盛學電腦網 all rights reserved