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

無 iconv 擴充也能用:PHP 純陣列對照表實作 GB2312 ↔ UTF-8 雙向轉碼

動機

早期虛擬主機常未安裝 iconv 或 mbstring,且完整 Unicode 對照表 (如 gb2312.txt 180KB) 載入記憶體過大。本文提供精簡對照表 (約 52KB) 純 PHP 陣列實作雙向轉碼,零擴充依賴。

對照表格式

gb2utf8.txt 為 CSV 格式,每行:GB2312兩位元組十六進位,UTF-8位元組序列十六進位

B0A1,E4B880   ; "一" GB=B0A1 → UTF-8=E4B880
B0A2,E4BA8C   ; "二"
...
FEFE,EFBFBF   ; 保留碼

核心程式碼

<?php
// 1. 載入對照表到陣列 (僅需一次,建議做成單例/靜態快取)
$charset = [];
$fp = fopen('gb2utf8.txt', 'r');
while (($row = fgetcsv($fp, 16)) !== false) {
    $charset[hex2bin($row[0])] = hex2bin($row[1]);
}
fclose($fp);

// 2. GB2312 → UTF-8
function gb2utf8(string $text, array &$map): string {
    // 以正則切分:雙位元組中文字元 (首位元組 0x80-0xFF) 或 連續 ASCII
    preg_match_all('/(?:[\x80-\xFF].)|[\x01-\x7F]+/', $text, $m);
    $segments = $m[0];
    
    // 找出屬於中文字元的段落索引
    $chineseKeys = array_intersect($segments, array_keys($map));
    
    // 替換
    foreach ($chineseKeys as $idx => $char) {
        $segments[$idx] = $map[$char];
    }
    return implode('', $segments);
}

// 3. UTF-8 → GB2312
function utf82gb(string $text, array &$map): string {
    // 反轉對照表
    $revMap = array_flip($map);
    
    // UTF-8 正則:4/3/2 位元組字元 或 ASCII 串
    $pattern = '/[\xF0-\xF7][\x80-\xBF]{3}|[\xE0-\xEF][\x80-\xBF]{2}|[\xC2-\xDF][\x80-\xBF]|[\x01-\x7F]+/';
    preg_match_all($pattern, $text, $m);
    $segments = $m[0];
    
    foreach ($segments as $idx => $seq) {
        if (isset($revMap[$seq])) {
            $segments[$idx] = $revMap[$seq];
        }
    }
    return implode('', $segments);
}

// 測試
$original = '這是測試';
$utf8 = gb2utf8($original, $charset);
$back = utf82gb($utf8, $charset);
echo "原文: $original\nUTF-8: " . bin2hex($utf8) . "\n還原: $back\n";

效能與限制

現代最佳實踐

  1. 優先檢查擴充:function_exists('iconv') 或 function_exists('mb_convert_encoding') 存在時直接用內建函數。
  2. Polyfill 模式:封裝為 function convert($str, $from, $to) 內部自動選擇最佳實作。
  3. Composer 套件:composer require symfony/polyfill-iconv 或 patchwork/utf8 純 PHP 實作完整 iconv/mbstring API。

結語

在極度受限環境 (舊版 PHP、無擴充權限、嵌入式裝置) 下,自製對照表是可行的權宜之計。但**現代專案請直接要求主機開啟 mbstring + iconv**,或升級至 PHP 8.1+ 享受內建高效能 Unicode 支援。

copyright © 萬盛學電腦網 all rights reserved
指標數值說明
對照表大小~52 KB約 6,763 常用漢字 + 符號
載入時間< 5 ms單次載入,建議快取於 APCu/Redis
轉換速度~2 MB/s純 PHP 迴圈,較 C 擴充慢 10-50 倍
覆蓋率~99% 常用字缺字會保留原編碼 (UTF-8 端) 或原樣輸出