php字元串處理之全形半形轉換

半形全形的處理是字元串處理的常見問題，本文嘗試為大家提供一個思路。

一、概念

全形字元unicode編碼從65281~65374 （十六進位 0xFF01 ~ 0xFF5E）
半形字元unicode編碼從33~126 （十六進位 0x21~ 0x7E）
空格比較特殊,全形為 12288（0x3000）,半形為 32 （0x20）
而且除空格外,全形/半形按unicode編碼排序在順序上是對應的
所以可以直接通過用+-法來處理非空格數據,對空格單獨處理

二、實現思路

1. 找到目標unicode的字元，可以使用正則表達式解決

2. 修改unicode編碼

三、實現

1. 首先是兩個unicode與字元的轉換函數：

 1     /**
 2      * 將unicode轉換成字元
 3      * @param int $unicode
 4      * @return string UTF-8字元
 5      **/
 6     function unicode2Char($unicode){
 7         if($unicode < 128)     return chr($unicode);
 8         if($unicode < 2048)    return chr(($unicode >> 6) + 192) .
 9                                       chr(($unicode & 63) + 128);
10         if($unicode < 65536)   return chr(($unicode >> 12) + 224) .
11                                       chr((($unicode >> 6) & 63) + 128) .
12                                       chr(($unicode & 63) + 128);
13         if($unicode < 2097152) return chr(($unicode >> 18) + 240) .
14                                       chr((($unicode >> 12) & 63) + 128) .
15                                       chr((($unicode >> 6) & 63) + 128) .
16                                       chr(($unicode & 63) + 128);
17         return false;
18     }
19  
20     /**
21      * 將字元轉換成unicode
22      * @param string $char 必須是UTF-8字元
23      * @return int
24      **/
25     function char2Unicode($char){
26         switch (strlen($char)){
27             case 1 : return ord($char);
28             case 2 : return (ord($char{1}) & 63) |
29                             ((ord($char{0}) & 31) << 6);
30             case 3 : return (ord($char{2}) & 63) |
31                             ((ord($char{1}) & 63) << 6) |
32                             ((ord($char{0}) & 15) << 12);
33             case 4 : return (ord($char{3}) & 63) |
34                             ((ord($char{2}) & 63) << 6) |
35                             ((ord($char{1}) & 63) << 12) |
36                             ((ord($char{0}) & 7)  << 18);
37             default :
38                 trigger_error('Character is not UTF-8!', E_USER_WARNING);
39                 return false;
40         }
41     }

  2. 全形轉半形

 1     /**
 2      * 全形轉半形
 3      * @param string $str
 4      * @return string
 5      **/
 6     function sbc2Dbc($str){
 7         return preg_replace(
 8             // 全形字元 
 9             '/[\x{3000}\x{ff01}-\x{ff5f}]/ue',
10             // 編碼轉換
11             // 0x3000是空格，特殊處理，其他全形字元編碼-0xfee0即可以轉為半形
12             '($unicode=char2Unicode(\'\0\')) == 0x3000 ? " " : (($code=$unicode-0xfee0) > 256 ? unicode2Char($code) : chr($code))',
13             $str
14         );
15     }

3. 半形轉全形

 1     /**
 2      * 半形轉全形
 3      * @param string $str
 4      * @return string
 5      **/
 6     function dbc2Sbc($str){
 7         return preg_replace(
 8             // 半形字元 
 9             '/[\x{0020}\x{0020}-\x{7e}]/ue',  
10             // 編碼轉換
11             // 0x0020是空格，特殊處理，其他半形字元編碼+0xfee0即可以轉為全形
12             '($unicode=char2Unicode(\'\0\')) == 0x0020 ? unicode2Char（0x3000） : (($code=$unicode+0xfee0) > 256 ? unicode2Char($code) : chr($code))',
13             $str
14         );
15     }

四、測試

 示例代碼：

1 $a = 'abc12 345';
2 $sbc = dbc2Sbc($a);
3 $dbc = sbc2Dbc($sbc);
4 
5 var_dump($a, $sbc, $dbc);

結果：

1 string(9) "abc12 345"
2 string(27) "ａｂｃ１２　３４５"
3 string(9) "abc12 345"