您当前的位置: 首页 > 网站编程 > PHP教程 > php对gb编码动态转utf-8编码的几种方法评测

php对gb编码动态转utf-8编码的几种方法评测

作者：xiaoxiao 来源：未知 发布时间： 2013-11-06 10:08 点击: 次
在《IP地址-地理位置转换的测评》一文中提到用ip2addr函数直接读取IP数据库文件是效率最高的，相比用MySQL数据库存储IP数据，用SQL查询是效率最低的。但是IP数据库文件QQWry.dat是GB2312编码的。现在我需要UTF-8编码的地理位置结果。如果用MySQL方法，可以在数据存入数

php对gb编码动态转utf-8编码的几种方法评测

    　　在《IP地址->地理位置转换的测评》一文中提到用ip2addr函数直接读取IP数据库文件是效率最高的，相比用MySQL数据库存储IP数据，用SQL查询是效率最低的。但是IP数据库文件QQWry.dat是GB2312编码的。现在我需要UTF-8编码的地理位置结果。如果用MySQL方法，可以在数据存入数据库时就转换为UTF-8编码，一劳永逸。但是QQWry.dat文件又无法修改，只能把ip2addr函数的输出结果再进行动态转换。
　　
　　动态转换GB->UTF-8编码至少有四种方法：
　　
　　用PHP的iconv扩展转换
　　
　　用PHP的mb_string扩展转换
　　
　　用对换表转换，对换表存储在MySQL数据库中
　　
　　用对换表转换，对换表存储在文本文件中
　　
　　前两种方法要服务器作了相应设置（编译安装了相应扩展）才能使用。我的虚拟主机没有这两个扩展，只好考虑后两种方法。前两个方法本文也不进行测评。
　　
　　测评程序如下（func_ip.php参见《IP地址->地理位置转换的测评》一文）：
　　
　　<?php
　　
　　require_once ("func_ip.php");
　　
　　function u2utf8($c) {
　　
　　$str = "";
　　
　　if ($c < 0x80) {
　　
　　$str .= $c;
　　
　　} elseif ($c < 0x800) {
　　
　　$str .= chr(0xC0 | $c >> 6);
　　
　　$str .= chr(0x80 | $c & 0x3F);
　　
　　} elseif ($c < 0x10000) {
　　
　　$str .= chr(0xE0 | $c >> 12);
　　
　　$str .= chr(0x80 | $c >> 6 & 0x3F);
　　
　　$str .= chr(0x80 | $c & 0x3F);
　　
　　} elseif ($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 $str;
　　
　　}
　　
　　function GB2UTF8_SQL($strGB) {
　　
　　if (!trim($strGB)) return $strGB;
　　
　　$strRet = "";
　　
　　$intLen = strlen($strGB);
　　
　　for ($i = 0; $i < $intLen; $i++) {
　　
　　if (ord($strGB{$i}) > 127) {
　　
　　$strCurr = substr($strGB, $i, 2);
　　
　　$intGB = hexdec(bin2hex($strCurr)) - 0x8080;
　　
　　$strSql = "SELECT code_unicode FROM nnstats_gb_unicode
　　
　　WHERE code_gb = ".$intGB." LIMIT 1"
　　
　　;
　　
　　$resResult = mysql_query($strSql);
　　
　　if ($arrCode = mysql_fetch_array($resResult)) $strRet .= u2utf8($arrCode["code_unicode"]);
　　
　　else $strRet .= "??";
　　
　　$i++;
　　
　　} else {
　　
　　$strRet .= $strGB{$i};
　　
　　}
　　
　　}
　　
　　return $strRet;
　　
　　}
　　
　　function GB2UTF8_FILE($strGB) {
　　
　　if (!trim($strGB)) return $strGB;
　　
　　$arrLines = file("gb_unicode.txt");
　　
　　foreach ($arrLines as $strLine) {
　　
　　$arrCodeTable[hexdec(substr($strLine, 0, 6))] = hexdec(substr($strLine, 7, 6));
　　
　　}
　　
　　$strRet = "";
　　
　　$intLen = strlen($strGB);
　　
　　for ($i = 0; $i < $intLen; $i++) {
　　
　　if (ord($strGB{$i}) > 127) {
　　
　　$strCurr = substr($strGB, $i, 2);
　　
　　$intGB = hexdec(bin2hex($strCurr)) - 0x8080;
　　
　　if ($arrCodeTable[$intGB]) $strRet .= u2utf8($arrCodeTable[$intGB]);
　　
　　else $strRet .= "??";
　　
　　$i++;
　　
　　} else {
　　
　　$strRet .= $strGB{$i};
　　
　　}
　　
　　}
　　
　　return $strRet;
　　
　　}
　　
　　function EncodeIp($strDotquadIp) {
　　
　　$arrIpSep = explode('.', $strDotquadIp);
　　
　　if (count($arrIpSep) != 4) return 0;
　　
　　$intIp = 0;
　　
　　foreach ($arrIpSep as $k => $v) $intIp += (int)$v * pow(256, 3 - $k);
　　
　　return $intIp;
　　
　　//return sprintf('%02x%02x%02x%02x', $arrIpSep[0], $arrIpSep[1], $arrIpSep[2], $arrIpSep[3]);
　　
　　}
　　
　　function GetMicroTime() {
　　
　　list($msec, $sec) = explode(" ", microtime());
　　
　　return ((double)$msec + (double)$sec);
　　
　　}
　　
　　for ($i = 0; $i < 100; $i++) { // 随机产生100个ip地址
　　
　　$strIp = mt_rand(0, 255).".".mt_rand(0, 255).".".mt_rand(0, 255).".".mt_rand(0, 255);
　　
　　$arrAddr[$i] = ip2addr(EncodeIp($strIp));
　　
　　}
　　
　　$resConn = mysql_connect("localhost", "netnest", "netnest");
　　
　　mysql_select_db("test");
　　
　　// 测评MySQL查询的编码转换
　　
　　$dblTimeStart = GetMicroTime();
　　
　　for ($i = 0; $i < 100; $i++) {
　　
　　$strUTF8Region = GB2UTF8_SQL($arrAddr[$i]["region"]);
　　
　　$strUTF8Address = GB2UTF8_SQL($arrAddr[$i]["address"]);
　　
　　}
　　
　　$dblTimeDuration = GetMicroTime() - $dblTimeStart;
　　
　　// 测评结束并输出结果
　　
　　echo $dblTimeDuration; echo " ";
　　
　　// 测评文本文件查询的编码转换
　　
　　$dblTimeStart = GetMicroTime();
　　
　　for ($i = 0; $i < 100; $i++) {
　　
　　$strUTF8Region = GB2UTF8_FILE($arrAddr[$i]["region"]);
　　
　　$strUTF8Address = GB2UTF8_FILE($arrAddr[$i]["address"]);
　　
　　}
　　
　　$dblTimeDuration = GetMicroTime() - $dblTimeStart;
　　
　　// 测评结束并输出结果
　　
　　echo $dblTimeDuration; echo " ";
　　
　　?>
　　
　　测评两次结果（精确到3位小数，单位是秒）：
　　
　　MySQL查询转换：0.112
　　
　　文本查询转换：10.590
　　
　　MySQL查询转换：0.099
　　
　　文本查询转换：10.623
　　
　　可见这次是MySQL方法遥遥领先于文件查询法。但是现在还不急于使用MySQL方法，因为文本文件方法之所以如此耗时，主要因为它每次转换都要把整个gb_unicode.txt读入内存，而gb_unicode.txt又是文本文件，格式如下：
　　
　　0x2121   0x3000   # IDEOGRAPHIC SPACE
　　
　　0x2122   0x3001   # IDEOGRAPHIC COMMA
　　
　　0x2123   0x3002   # IDEOGRAPHIC FULL STOP
　　
　　0x2124   0x30FB   # KATAKANA MIDDLE DOT
　　
　　0x2125   0x02C9   # MODIFIER LETTER MACRON (Mandarin Chinese first tone)
　　
　　……
　　
　　0x552A   0x6458   # <CJK>
　　
　　0x552B   0x658B   # <CJK>
　　
　　0x552C   0x5B85   # <CJK>
　　
　　0x552D   0x7A84   # <CJK>
　　
　　……
　　
　　0x777B   0x9F37   # <CJK>
　　
　　0x777C   0x9F3D   # <CJK>
　　
　　0x777D   0x9F3E   # <CJK>
　　
　　0x777E   0x9F44   # <CJK>
　　
　　文本文件效率较低，于是考虑把文本文件转换为二进制文件，然后用折半法查找这个文件，而不需要把整个文件读入内存。文件格式为：文件头2字节，存储记录数；接着一条接一条记录存入文件，每条记录4字节，前2字节对应GB代码，后2字节对应Unicode代码。转换程序如下：
　　
　　<?php
　　
　　$arrLines = file("gb_unicode.txt");
　　
　　foreach ($arrLines as $strLine) {
　　
　　$arrCodeTable[hexdec(substr($strLine, 0, 6))] = hexdec(substr($strLine, 7, 6));
　　
　　}
　　
　　ksort($arrCodeTable);
　　
　　$intCount = count($arrCodeTable);
　　
　　$strCount = chr($intCount % 256) . chr(floor($intCount / 256));
　　
　　$fileGBU = fopen("gbu.dat", "wb");
　　
　　fwrite($fileGBU, $strCount);
　　
　　foreach ($arrCodeTable as $k => $v) {
　　
　　$strData = chr($k % 256) . chr(floor($k / 256)) . chr($v % 256) . chr(floor($v / 256));
　　
　　fwrite($fileGBU, $strData);
　　
　　}
　　
　　fclose($fileGBU);
　　
　　?>
　　
　　执行程序后就获得了二进制的GB->Unicode对照表gbu.dat，并且数据记录按GB代码排了序，便于折半法查找。使用gbu.dat进行转码的函数如下：
　　
　　function GB2UTF8_FILE1($strGB) {
　　
　　if (!trim($strGB)) return $strGB;
　　
　　$fileGBU = fopen("gbu.dat", "rb");
　　
　　$strBuf = fread($fileGBU, 2);
　　
　　$intCount = ord($strBuf{0}) + 256 * ord($strBuf{1});
　　
　　$strRet = "";
　　
　　$intLen = strlen($strGB);
　　
　　for ($i = 0; $i < $intLen; $i++) {
　　
　　if (ord($strGB{$i}) > 127) {
　　
　　$strCurr = substr($strGB, $i, 2);
　　
　　$intGB = hexdec(bin2hex($strCurr)) - 0x8080;
　　
　　$intStart = 1;
　　
　　$intEnd = $intCount;
　　
　　while ($intStart < $intEnd - 1) { // 折半法查找
　　
　　$intMid = floor(($intStart + $intEnd) / 2);
　　
　　$intOffset = 2 + 4 * ($intMid - 1);
　　
　　fseek($fileGBU, $intOffset);
　　
　　$strBuf = fread($fileGBU, 2);
　　
　　$intCode = ord($strBuf{0}) + 256 * ord($strBuf{1});
　　
　　if ($intGB == $intCode) {
　　
　　$intStart = $intMid;
　　
　　break;
　　
　　}
　　
　　if ($intGB > $intCode) $intStart = $intMid;
　　
　　else $intEnd = $intMid;
　　
　　}
　　
　　$intOffset = 2 + 4 * ($intStart - 1);
　　
　　fseek($fileGBU, $intOffset);
　　
　　$strBuf = fread($fileGBU, 2);
　　
　　$intCode = ord($strBuf{0}) + 256 * ord($strBuf{1});
　　
　　if ($intGB == $intCode) {
　　
　　$strBuf = fread($fileGBU, 2);
　　
　　$intCodeU = ord($strBuf{0}) + 256 * ord($strBuf{1});
　　
　　$strRet .= u2utf8($intCodeU);
　　
　　} else {
　　
　　$strRet .= "??";
　　
　　}
　　
　　$i++;
　　
　　} else {
　　
　　$strRet .= $strGB{$i};
　　
　　}
　　
　　}
　　
　　return $strRet;
　　
　　}
　　
　　把其加到原来的测评程序，对三种方法同时测评2次得到数据（精确到3位小数，单位：秒）：
　　
　　MySQL方法：0.125
　　
　　文本文件方法：10.873
　　
　　二进制文件折半法：0.106
　　
　　MySQL方法：0.102
　　
　　文本文件方法：10.677
　　
　　二进制文件折半法：0.092
　　
　　可见二进制文件折半法还比MySQL法略有优势。但是上述测评都是对短的地理位置进行转码，如果对较长的文本转码又如何呢？我找来5个Blog的RSS 2.0文件，都是GB2312编码。测评三种方法对5个文件编码耗费的时间，2次测量数据如下（精确到3位小数，单位：秒）：
　　
　　MySQL方法：7.206
　　
　　文本文件方法：0.772
　　
　　二进制文件折半法：5.022
　　
　　MySQL方法：7.440
　　
　　文本文件方法：0.766
　　
　　二进制文件折半法：5.055
　　
　　可见对长的文本是用文本文件的方法最优，因为转码对照表读入内存后，转码就可以很高效了。既然如此，我们还可以尝试改进一下，把文本文件方法改为：转码对照表从二进制文件gbu.dat读入内存，而不是文本文件。测评数据如下（精度和单位同上）：
　　
　　从文本文件读入对照表：0.766
　　
　　从二进制文件读入对照表：0.831
　　
　　从文本文件读入对照表：0.774
　　
　　从二进制文件读入对照表：0.833
　　
　　表明这次改进失败了，从文本文件读入转码对照表更高效。
　　
　　总结：用PHP对GB编码到UTF-8编码的动态转换，如果每次转换的文本很小，适宜用二进制文件结合折半法转换；如果每次转换的文本较大，适宜用文本文件存储转码对照表，并在转换前一次性把对照表读入内存。

分享到：
本文"php对gb编码动态转utf-8编码的几种方法评测"由远航站长收集整理而来，仅供大家学习与参考使用。更多网站制作教程尽在远航站长站。
顶一下
(0)
0%
踩一下
(0)
0%
[点击 次] [返回上一页] [打印]
相关文章
发表评论
请自觉遵守互联网相关的政策法规，严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 密码: 验证码:
最新更新
热门点击
关于本站 - 联系我们 - 网站声明 - 友情连接- 网站地图 - 站点地图 - 返回顶部
Copyright © 2007-2013 www.yhzhan.com(远航站长). All Rights Reserved .
远航站长:为中小站长提供最佳的学习与交流平台,提供网页制作与网站编程等各类网站制作教程.
官方QQ:445490277 网站群:26680406 网站备案号:豫ICP备07500620号-4