php字符不可选状态,PHP字符编码判断猝不及防之坑

小马曾经有讲过PHP函数mb_detect_encoding误判带来的坑，今天再来讲讲这个函数的惊天秘密。你准备好了吗？

前景回顾

我们回顾一下之前的误判场景。逻辑代码是这样的：$encode = mb_detect_encoding($name, array('ASCII','UTF-8','GB2312', 'GBK', 'BIG5'));$name = mb_convert_encoding($name, 'UTF-8', $encode);

这段代码检测字符串的编码，然后得到字符串编码，并统一转为utf-8。嗯，一切似乎很合理。但是小马当时得到了一个非必现的BUG反馈，有些字符编码格式有问题导致业务逻辑失败呢。后来经过排查是mb_detect_encoding的误判问题。通过更换参数数组顺序得到解决。调整之后的代码：$encode = mb_detect_encoding($name, array('ASCII','GB2312', 'GBK', 'BIG5','UTF-8'));嗯，似乎案子就这样破了。

这是当时的卷宗

新的惊天秘密

然而，这真的是想多了，一个猝不及防的问题又悄然出现了。什么？案子还是没破？难道是案中有案，另有玄机。没错，你猜对了。接下来我们来看看两个案发现场。

以下是想实现一个支持中文汉字字母数字的正则校验，因为正则表达式是utf8的，所以我们同样先判断字符编码处理，然后统一转为utf8，然后使用正则进行校验。看起来似乎也很完美。

此时带着甜美的味道，我们来看下面的代码。上面未转码的正则校验正确，一旦转码，正则校验就不是我们预期的结果了。显然场面已经失控。

再来看下面这个场景，显然连转换编码都没达到预期的utf8,更不要说过正则了。请注意，代码是一样的，只是传参的字符串不一样而已。

很显然这个不是我们想要的

不得不说的是，有些函数转码utf8正常，而且正则校验也正常。

哈哈，大家来找茬，通过上面的两个例子，细心的不细心的你都能很快发现，尽管我们使用了调整正确顺序后的函数，但是我们可以看到，下面输出的结果是不一样的。这就引发思考了。说明这个编码检测函数还是不靠谱。PHP的汉字编码处理真是个头疼的问题。不过这个坑一定要特别小心！

怎么解决呢？小马暂时想到的就是：

先判断编码检测完转换utf8是否成功，如果成功，做相对应编码的正则校验(比较繁琐)；

不通过正则校验，直接交给业务校验或者查询匹配来处理(依赖DB需酌情考虑)；

如果业务允许，就先测试这个字符串校验是否可以正常，然后再交由前端业务使用(依赖业务)；

那么对于PHP该怎么处理对于汉字字母数字的校验呢？正确的打开方式是什么呢？您有什么高见呢？欢迎讨论指点。原创文章，未经允许请勿转载！

php字符不可选状态,PHP字符编码判断猝不及防之坑相关推荐

python中英文字符怎么区分-python 利用utf-8编码判断中英文字符的简单示例
这篇文章主要为大家详细介绍了python 利用utf-8编码判断中英文字符的简单示例,具有一定的参考价值,可以用来参考一下. 感兴趣python 利用utf-8编码判断中英文字符的简单示例的小伙伴,下 ...
php字符不可选状态,php – mailto不可读的字符 – unicode
我在我的网站上使用mailto URI方案通过电子邮件发送当前页面. 问题是我使用印地语作为mailto链接中的主题例 Testing 单击链接时,Outlook(版本6)打开,它显示一些不可读的字 ...
python（40）：利用utf-8编码判断中文英文字符
#!/usr/bin/env Python # -*- coding:GBK -*- """汉字处理的工具: 判断unicode是否是汉字,数字,英文,或者其他字符. 全 ...
python英文字符表示_python利用utf-8编码判断中文英文字符(转)
下面这个小工具包含了判断unicode是否是汉字.数字.英文或者其他字符,全角符号转半角符号,unicode字符串归一化等工作. #!/usr/bin/env python # -*- coding: ...
哈夫曼树哈夫曼编码（已知A,B,C,D,E,F,G的概率分别为：17，25，50，67，40，60，30.画出其哈夫曼树和每个字符对应的哈夫曼编码）
[也可以哈夫曼树与最优不等长编码] 已知A,B,C,D,E,F,G的概率分别为:17,25,50,67,40,60,30.画出其哈夫曼树和每个字符对应的哈夫曼编码.
刨根问底：C++中宽字符类型（wchar_t）的编码一定是Unicode？长度一定是16位？
转发的:https://www.ituring.com.cn/article/111027的文章刨根问底:C++中宽字符类型(wchar_t)的编码一定是Unicode?长度一定是16位? cons ...
根据使用频率为 5 个字符设计的哈夫曼编码不可能是（）
根据使用频率为 5 个字符设计的哈夫曼编码不可能是( D ) A. 000,001,010,011,1 B. 0000,0001,001,01,1 C. 000,001,01,10,11 D. 00, ...
java是几位的unicode,下列说法错误的是（)。A．Java的字符类型采用的是Unicode编码，每个Unicode码占16位比特B．Java的各种...
下列说法错误的是().A．Java的字符类型采用的是Unicode编码,每个Unicode码占16位比特B．Java的各种更多相关问题 [名词解释] 捐躯juān qū [名词解释] 藕断丝连ǒu ...
计算机底层存储字节还是字符,彻底搞懂乱码——字符，字节和编码
级别:中级摘要:本文介绍了字符与编码的发展过程,相关概念的正确理解.举例说明了一些实际应用中,编码的实现方法.然后,本文讲述了通常对字符与编码的几种误解,由于这些误解而导致乱码产生的原因,以及消除乱 ...

php字符不可选状态,PHP字符编码判断猝不及防之坑

php字符不可选状态,PHP字符编码判断猝不及防之坑相关推荐

最新文章

热门文章