急，怎么把网页实体字符串如 &#36152&#26131&#32463这样的字符串转化为普通GB2312的字符串呢？

Question

<?
function unescape($str) {
  $str = rawurldecode($str);
  preg_match_all("/%u.{4}|&#x.{4};|&#\d+;|&#\d+?|.+/U",$str,$r);
  $ar = $r[0];
  foreach($ar as $k=>$v) {
    if(substr($v,0,2) == "%u")
      $ar[$k] = iconv("UCS-2","GBK",pack("H4",substr($v,-4)));
    elseif(substr($v,0,3) == "&#x")
      $ar[$k] = iconv("UCS-2","GBK",pack("H4",substr($v,3,-1)));
    elseif(substr($v,0,2) == "&#") {
      $ar[$k] = iconv("UCS-2","GBK",pack("n",preg_replace("/[^\d]/","",$v)));
    }
  }
  return join("",$ar);
}echo unescape('&#36152&#26131&#32463'); //out 贸易经
?>

Answer 1

首先谢谢一楼大哥帮我解答与提供思路，不过上面的方法不知什么不能起作用，输出的为空；
小弟在网上找了以下代码供朋友参考，小弟已经成功应用。原来的代码小弟少作修改：
$str = "&#36152&#26131&#32463&#27982";echo recode($str);function recode($str){
$str = preg_replace("|&#([0-9]{1,5})|", "\".u2utf82gb(\\1).\"", $str);
$str = "\$str=\"$str\";";eval($str);
return $str;
}
function u2utf82gb($c){
    $str="";
    if ($c < 0x80) {
         $str.=$c;
    } else if ($c < 0x800) {
         $str.=chr(0xC0 | $c>>6);
         $str.=chr(0x80 | $c & 0x3F);
    } else if ($c < 0x10000) {
         $str.=chr(0xE0 | $c>>12);
         $str.=chr(0x80 | $c>>6 & 0x3F);
         $str.=chr(0x80 | $c & 0x3F);
    } else if ($c < 0x200000) {
         $str.=chr(0xF0 | $c>>18);
         $str.=chr(0x80 | $c>>12 & 0x3F);
         $str.=chr(0x80 | $c>>6 & 0x3F);
         $str.=chr(0x80 | $c & 0x3F);
    }
    return iconv('UTF-8', 'GB2312', $str);
}

Answer 2

原理就是php处理字串都是按字节来处理的，比如一个汉字占2-3个字节。这一句肯定对。
把&#36152拆开来，数字对应ascii编码，组合即是汉字了。这一句不知道我说的对不对。

Answer 3

呵呵， thunderx(平生一笑) 你怎么想都可以。我给出我找见的答案，只是想让关注这个问题的人也得到解决方法并对他们有帮助。至于我为什么说别人给出的答案不对头，一个是想知道更多思路，另外避免别人浪费时间。我想一楼的老兄也不会介意吧。一楼老兄给出的代码我使用的时候，源代码仍然是这些数字代码。比如一个汉字占2-3个字节....这句肯定不对.把&#36152拆开来，数字对应ascii编码，组合即是汉字了。这一举我也不知道你说的对不对
一下代码你参考：
function uc2html($str) {
$ret='';
for( $i=0; $i<strlen($str)/2; $i++ ) {

$charcode = ord($str[$i*2])+256*ord($str[$i*2+1]);
$ret .= '&#'.$charcode;
}
return $ret;

}输入的$str是直接从excel单元格读取出来的数据，经过处理后就是上面的格式，看起来是把单字节的码值计算后相加得到，至于里面码值原理我不清楚，有没有相关的资料和推荐书籍
我不懂，但我很想懂。

Answer 4

mbstring库里有个函数，去查一下php手册

Answer 5

呵呵，一格utf-8编码的汉字占3个字节，我不知道gb编码的汉字字节是怎么算的，所以说是2-3个字节。
请将下面的代码另存为utf-8编码$ip = "汉";
uniord2($ip);function uniord2($u) {
   $k = $u;
   $k1 = ord(substr($k, 0, 1));
   $k2 = ord(substr($k, 1, 1));
   $k3 = ord(substr($k, 2, 1));
   $k4 = ord(substr($k, 3, 1));
   $k1 = dechex($k1);$k2 = ten2six($k2);$k3 = ten2six($k3);$k4 = ten2six($k4);   echo "k1 = $k1 k2=$k2 k3=$k3 k4=$k4<br/>\n";
   //return "$k1=$k2=$k3";
}//end func uniordfunction ten2six($ten){
$h = intval($ten/16);
if ($h>9) {
    switch ($h){
case 10:
$h="A";
break;
case 11:
$h="B";
break;
case 12:
$h="C";
break;
case 13:
$h="D";
break;
case 14:
$h="E";
break;
case 15:
$h="F";
break;
}
}$e = $ten%16;if ($e>9) {
    switch ($e){
case 10:
$e="A";
break;
case 11:
$e="B";
break;
case 12:
$e="C";
break;
case 13:
$e="D";
break;
case 14:
$e="E";
break;
case 15:
$e="F";
break;
}
}return "0x$h$e";
}//END FUNC

Answer 6

“源代码仍然是这些数字代码”？？？
呵呵，楼主的iconv不支持 UCS-2 编码？可见你的php版本太低了！常见的unicode编码的ascii表示有以下几种
%uhhhh
&#xhhhh;
&#ddddd;
其中：h 十六进制数；d 十进制数
通常以“;”作为编码串的结束符，对于ie6以下的浏览器“;”是不能缺少的无论是用十六进制还是十进制表示，他们都是unicode的编码值。一个短整型数（占两个字节）说句不好听的话，楼主的u2utf82gb($c)还是本人的作品。居然被拿来作为攻击我的武器啦。可见“为人须留三分意，不可全抛一片心”是多么正确的了

Answer 7

不过，不明白中间的转换有什么用，以下的代码也输出贸易经function unescape($str) {
  $str = rawurldecode($str);
  return $str;
}echo unescape('&#36152&#26131&#32463'); //out 贸易经

Answer 8

呵呵，唠叨伤心了。
请教唠叨编码的问题。gbk编码是从0xhhhh到0xhhhhh，编码范围，哪些是汉字，哪些是标点。哪些是汉字库里的符号。这种编码资料应该到哪里获得。-----------
我对照word里的字符编码，unicode的都是两个字节，为什么php的utf-8编码是三个字节。

Answer 9

不过，不明白中间的转换有什么用，以下的代码也输出贸易经function unescape($str) {
  $str = rawurldecode($str);
  return $str;
}echo unescape('&#36152&#26131&#32463'); //out 贸易经仅这样输出的还是：&#36152&#26131&#32463，只不过浏览器把他转换成“贸易经”显示，“源文件”中并没有变。因为rawurldecode并不处理这样的输入串
加入rawurldecode的原因可以从函数名（unescape）看出，他是一个与js的unescape完全等效的函数unicode的都是两个字节，为什么php的utf-8编码是三个字节。
因为编码规则不同嘛
utf-8编码是一到八个字节，汉字的utf-8编码多是三个字节，但也有两个和四个字节的

Answer 10

<?php
$str = "&#36152&#26131&#32463";
$str = preg_replace("|&#([0-9]{1,5});|", "\".u2utf82gb(\\1).\"", $str);
$str = "\$str=\"$str\";";eval($str);
echo $str;
function u2utf82gb($c){
    $str="";
    if ($c < 0x80) {
         $str.=$c;
    } else if ($c < 0x800) {
         $str.=chr(0xC0 | $c>>6);
         $str.=chr(0x80 | $c & 0x3F);
    } else if ($c < 0x10000) {
         $str.=chr(0xE0 | $c>>12);
         $str.=chr(0x80 | $c>>6 & 0x3F);
         $str.=chr(0x80 | $c & 0x3F);
    } else if ($c < 0x200000) {
         $str.=chr(0xF0 | $c>>18);
         $str.=chr(0x80 | $c>>12 & 0x3F);
         $str.=chr(0x80 | $c>>6 & 0x3F);
         $str.=chr(0x80 | $c & 0x3F);
    }
    return iconv('UTF-8', 'GB2312', $str);
}
?>
同样了.大概一个意思.看看吧!!

Answer 11

谢谢各位的指导，如果时间允许的话我会吧我后面查阅的编码方面的资料附上的.
另外，我上面提供的那个函数就是用 WapWeb(大白菜芯)  提供的同一段代码改造过来的。