html unicode convert

最近遇到的一些編碼問題，時常在網頁裡面看到 xxxxxx; 的字碼，透過瀏覽器，會將這些 unicode html code 轉成可以顯示的文字，例如：對於冷え性や生活習慣病，在網頁上看起來很正常，但是一但轉回到原始碼(HTML code)編輯的時候，就會變成：對於冷え性や生活習慣病，這個樣子。

翻了 Google 大神，這個東西是因為編碼的關係，在 BIG-5 編碼中若是沒有可以顯示的文字，這些文字就會經過特殊的演算法則轉換成 xxxxx; 這種樣子，這些就稱為 unicode html。麻煩的是，在儲存資料的時候，我並不希望會有這種東西出現，尤其是要將原本是 BIG-5 的資料轉換為 UTF-8 的時候，這些東西就很討厭。

依據大神的指示，這些字碼的來源，大概可以這麼解釋：unicode html 字碼來元是由原本的編碼，轉換為 UCS-2 之後，再取二進制轉換，再取一次 16 to 10 進制轉換，在加上 而得到這個字碼。

以 PHP 來說，他大概是這個樣子：

1. <?php
2. $str = "温";
3. $unicodeHtml = base_convert(bin2hex(iconv("utf-8", "ucs-2", $str)), 16, 10);
4. print "".$unicodeHTML.";"
5. ?>
6. // 顯示結果
7. 温

以上的例子就是將文字轉換為 unicode html 的方式，那麼，轉回來呢，很簡單，將上述的程式邏輯反過來即可。

unicode html 轉回文字，由於 php 沒有 hex2bin 的函式，所以我們自己簡單的寫一個來用。

1. 2. function hex2bin($string)
3. {
4. $len = strlen($string);
5. retunr pack("H".$len, $string);
6. }
7.
8. $str = "28201";
9. $unicodeHtml = iconv("ucs-2", "utf-8", hex2bin(base_convert($str, 10, 16)));
10.
11. print $unicodeHtml;
12. ?>
13. // 顯示結果
14.
15. 温

這就是將 unicode html 轉回文字的方式。

以上，希望對於要處理 unicode html 的人有所幫助。

ref:http://hinablue.blogspot.com/2008/01/php-tech-unicode-html-convert.html

[@more@]

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/640706/viewspace-1018388/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/640706/viewspace-1018388/