16 Nov 09 分割GBK中文遭遇乱码的解决

$result = explode("|", "滕华弢|海青"); //(插一句, 蜗居最近很火啊)

倈(827c), 億(837c), 眧(b17c), 鍇(e57c).......等等等等.

第一, 可以采用转码到utf8, 然后explode, 再转回来, 这是比较麻烦的方法.

第二, 我们可以采用正则拿"匹配出"来代替"分离出":
    preg_match_all("/([\x81-\xfe][\x40-\xfe])+/", $gbk_str, $matches);//写死编码值

Reader's Comments

1. zorro | 16 Nov 2009 16:08

   用了第一种方法 谢谢鸟哥

2. simaopig | 16 Nov 2009 16:08

   GBK编码：0×8040-0xffff,
   正则：[\\\\x80-\\\\xff][\\\\x40-\\\\xff]+
   这样的组合就是前两位的80-ff结合后两位40-ff之间的所有字符，+表示出现一次或多次，贪婪模式，所以就是按非汉字分隔
   赞，相当帅了，鸟哥，我爱死你了。

3. 雪候鸟 | 16 Nov 2009 16:10

   @simaopig …你的头像双人照…..

4. cody | 16 Nov 2009 17:55

   还是第一种方法有通用性，第二种方法除了中文外要考虑其他字符太多。

5. PeterYu | 17 Nov 2009 11:35

   如果不是gbk，倒可以使用mb_split来分割。
   可惜mb的正则库只接受gb2312,不接受cp936即gbk.
   UTF8也能直接使用。这时就体现出UTF8的好处了。。

6. gently | 17 Nov 2009 15:47

   吼吼，可以把分割符换了，例如：”>|<”，即用3个字符来分隔

7. 巫山霏云 | 17 Nov 2009 18:26

   我觉得还是utf-8比较靠谱一点

8. 关注者 | 19 Nov 2009 23:22

   弱弱的问一句：如何得到汉字的编码，呵呵

9. 雪候鸟 | 20 Nov 2009 00:30

   @关注着 1,查编码表 2,用16位编辑器, 3,在php中使用unpack, 4, 在js中使用charCodeAt …. 等等等等