jsp中GBK和UTF8编码处理

原创链接：http://www.qudong.com/soft/program/php/jiqiaoyunyong/20080326/4464.html


一、编码范围

1. GBK (GB2312/GB18030)

\x00-\xff GBK双字节编码范围

\x20-\x7f ASCII

\xa1-\xff 中文

\x80-\xff 中文

2. UTF-8 (Unicode)

\u4e00-\u9fa5 (中文)

\x3130-\x318F (韩文

\xAC00-\xD7A3 (韩文)

\u0800-\u4e00 (日文)

ps: 韩文是大于[\u9fa5]的字符



正则例子:

PLAIN TEXT

PHP
:

preg_replace("/([\x80-\xff])/","",$str);

preg_replace("/([u4e00-u9fa5])/","",$str);

二、代码例子

PLAIN TEXT

PHP:

//判断内容里有没有中文-GBK (PHP)

function check_is_chinese($s){

return preg_match('/[\x80-\xff]./', $s);

}



//获取字符串长度-GBK (PHP)

function gb_strlen($str){

$count = 0;

for($i=0; $i 127) {

$count++;

if($value>= 192 && $value <= 223) $i++;

elseif($value>= 224 && $value <= 239) $i = $i + 2;

elseif($value>= 240 && $value <= 247) $i = $i + 3;

else die('Not a UTF-8 compatible string');

}

$count++;

}

return $count;

}





//截取字符串-UTF8(PHP)

function utf8_substr($str,$position,$length){

$start_position = strlen($str);

$start_byte = 0;

$end_position = strlen($str);

$count = 0;

for($i = 0; $i = $position && $start_position> $i){

$start_position = $i;

$start_byte = $count;

}

if(($count-$start_byte)>=$length) {

$end_position = $i;

break;

}

$value = ord($str[$i]);

if($value> 127){

$count++;

if($value>= 192 && $value <= 223) $i++;

elseif($value>= 224 && $value <= 239) $i = $i + 2;

elseif($value>= 240 && $value <= 247) $i = $i + 3;

else die('Not a UTF-8 compatible string');

}

$count++;



}

return(substr($str,$start_position,$end_position-$start_position));

}





//字符串长度统计-UTF8 [中文3个字节，俄文、韩文占2个字节，字母
占1个字节] (Ruby)

def utf8_string_length(str)

temp = CGI
::unescape(str)

i = 0;

j = 0;

temp.length.times{|t|

if temp[t] = 127 and temp[t] JavaScript
)

function checkKoreaChar(str) {

for(i=0; i
0x3130 && str.charCodeAt(i) = 0xAC00 && str.charCodeAt(i) <=
0xD7A3))) {

return true;

}

}

return false;

}

//判断是否有中文字符-GBK (javascript)

function check_chinese_char(s){

return (s.length != s.replace(/[^\x00-\xff]/g,"**").length);

}

 

 

 

 

 

------------

我的例子：

function lmtest2()
            {
                /**
                [^a-zA-Z0-9,\-\u4e00-\u9fa5]   --- 保留了数字,字母 utf-8 格式下的汉字

                ^a-zA-Z0-9,\-  代表 数字、字母、下划线

                \u4e00-\u9fa5  代表utf-8 格式下的汉字
                */
                var reg = /[^a-zA-Z0-9,\-\u4e00-\u9fa5]/g;
                //var str = "h?蒚Indexh?蒚 Terms—Drain section, pseudo-2-D, SOI MOSFET model.h?蒚";
                var str = "aa啊!a蒚h";
                alert(str.replace(reg,""));
                alert(reg.test(str));//返回true 说明 以上字符串中包含了 乱码字符(不同编码的字符\不符合本站本页的编码字符)
            }

 

1.