昨天想批處理以前下載的一堆檔案，把檔案裡的關鍵內容用正則匹配出來，集中處理。在操作檔案時遇到一個問題，就是windows作業系統中的編碼問題。

我們都知道windows中（當然是中文版），檔名和檔案內容等編碼都是gbk，而我們在開發過程中，IDE裡的編碼則是UTF-8，（這裡不討論為什麼等等問題，

只考慮怎麼把編碼轉變成一樣的）所以導致我寫的UTF-8編碼的正則模式字串中的中文在gbk編碼的檔案中並不能正確匹配。

一開始，我並沒有什麼辦法，試過把PHP指令碼檔案的編碼也改成GBK，也可以用，但是想到這種方法太low了，所以找一找PHP中有沒有函式可以滿足我的需求。

這時，我想到了以前在處理windows中的檔名時用的函式iconv()

string iconv ( string $in_charset , string $out_charset , string $str )

Performs a character set conversion on the string str from in_charset to out_charset. 

我們常使用：

$out_charset='utf-8';

$fileName=iconv($fileName,$out_charset,'gbk');

來處理檔名，將檔名改從gbk改為UTF-8而內容不變。

手冊翻譯附加：

• 如果你在輸出字串$out_charset後面新增//TRANSLIT即$out_charset='utf-8//TRANSLIT',在遇到不能轉換為UTF-8的字元時，程式會自動替換為一個相似字元的UTF-8字元；
• 如果你在輸出字串$out_charset後面新增//IGNORE即$out_charset='utf-8//IGNORE',在遇到不能轉換為UTF-8的字元時，程式會自動跳過這個字元。
• 如果你什麼都沒加，就在遇到不能替換成UTF-8的字元時，替換會被中斷。

但是，我在用這個函式處理時，結果卻是這樣：

意思是iconv()函式能處理的最大字元數只有64，一般的檔名大小，而我的檔案內容很顯然不止64個字元。

沒有辦法，我只好再次各種翻找別的函式。

直到我發現了mb_string函式庫，這個函式庫一般都在PHP環境裡整合，我們可以在phpinfo()裡找到它。

mb_string函式裡有一個mb_convert_encoding()

string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )

Converts the character encoding of string str to to_encoding from optionally from_encoding. 

基原型跟iconv()函式差不多，只是它沒有對輸出函式的字尾修飾，它也沒有對字串長度的明確限制。

而且我們看到$from_encoding是可選的，它可以自動識別源編碼。

因為找不到一個確切的無法轉碼的字元，也不知道它遇到無法轉碼的字元會怎麼處理。

通過mb_convert_encoding()函式，將整個檔案處理了一下，於是，問題順利解決。

最後介紹一下mb_string函式庫，它全名叫Multibyte String，它的很多方法都擴充套件自PHP自身的string函式庫，函式名在原函式的前面加了"mb_"，這些函式除了擁有原函式的作用外，還在可選引數的最後加入了一個$encoding的可選引數，這個引數可以規定函式以什麼樣的編碼方式來處理字串。

例如strpos()函式，找到一個字串在另一個字串中的位置。

strpos("歡迎來訪問","問",0)返回的結果是12，因為指令碼是UTF-8編碼，而將字串轉為UTF-8編碼後，每個中文字元會佔用3個位元組。

而在mb_strpos()函式中，mb_strpos("歡迎來訪問","問",0,'utf-8')則會返回4,它會將字串當作已經轉UTF-8的狀態執行。

而mb_strpos("歡迎來訪問","問",0,'gbk')會返回6

當然，它還有更多有特色的地方~

如果您覺得本博文對您有幫助，您可以推薦或關注我，如果您有什麼問題，可以在下方留言討論，謝謝。