PHP 處理 Windows 中文編碼：mb_string 函數庫完勝 iconv 實戰詳解

PHP 處理 Windows 中文編碼：mb_string 函數庫完勝 iconv 實戰詳解

在 PHP 開發中，處理來自 Windows 系統（GBK/CP936 編碼）的檔案名或檔案內容，並將其轉換為專案通用的 UTF-8 編碼，是極常見的痛點。本文將透過一個實際案例，深入對比 iconv() 與 mb_convert_encoding() 的優劣，並全面介紹 mb_string 多位元組字串函數庫 的強大功能。

問題背景：編碼衝突導致正則匹配失效

專案編碼為 UTF-8，需解析 Windows 產生的 GBK 編碼文字檔。直接在 UTF-8 正則模式中使用中文去匹配 GBK 內容，必然失敗。初期嘗試將 PHP 腳本存為 GBK 雖可行，但違背現代開發規範，維護成本極高。

嘗試 iconv()：遭遇 64 字元長度限制

iconv() 是 PHP 經典的編碼轉換函數，原型為 string iconv(string $in_charset, string $out_charset, string $str)。常用寫法：

$fileName = iconv('GBK', 'UTF-8//IGNORE', $fileName);

支援 //TRANSLIT（近似字元替換）與 //IGNORE（跳過無法轉換字元）後綴。然而，實測發現 iconv() 在單次呼叫中能處理的字串長度有限（約 64 字元），對於動輒數 KB 的檔案內容完全無能為力，報錯 iconv(): Detected an illegal character in input string 或直接截斷。

轉折點：發現 mb_string 函數庫

mbstring（Multibyte String）擴展通常內建於 PHP，可透過 phpinfo() 確認。其核心函數 mb_convert_encoding() 完美解決長字串轉碼問題：

// 原型：string mb_convert_encoding(string $str, string $to_encoding [, mixed $from_encoding ])
$content = mb_convert_encoding($gbkContent, 'UTF-8', 'GBK');

核心優勢：

• 無長度限制：可一次性處理超大字串（整個檔案內容）。
• 自動偵測來源編碼：$from_encoding 可省略或傳入陣列 ['GBK', 'UTF-8', 'ASCII'] 由函數自動判斷。
• 錯誤處理彈性：配合 mb_substitute_character() 設定無法轉換字元的替代方式（如 "none", "long", "entity" 或具體 Unicode 碼點）。

mb_string 函數庫：不只是編碼轉換

mb_string 將 PHP 原生字串函數擴展為多位元組安全版本，函數名加前綴 mb_，並在參數末尾新增 $encoding。這對中文處理至關重要：

經典對比：strpos vs mb_strpos

$str = "歡迎來訪問"; // UTF-8 編碼，每中文字佔 3 bytes

// 原生 strpos：按 byte 計算位置
echo strpos($str, "問"); // 輸出 12 (byte offset)

// mb_strpos 指定 UTF-8：按字元計算位置
echo mb_strpos($str, "問", 0, 'UTF-8'); // 輸出 4 (character index)

// mb_strpos 指定 GBK：若字串實為 GBK 編碼
echo mb_strpos($str, "問", 0, 'GBK');   // 輸出 6 (GBK 下每中文字佔 2 bytes)

同理，mb_strlen(), mb_substr(), mb_strtolower(), mb_ereg_replace() (正則) 等皆能正確處理中文，避免截斷字元、亂碼、匹配偏移等經典坑。

實戰最佳實踐總結

1. 專案統一 UTF-8：資料庫、HTML、PHP 檔案、連線編碼全鏈路 UTF-8。
2. 入口統一轉碼：讀取 Windows 來源資料（檔案、API、上傳）時，立即使用 mb_convert_encoding($data, 'UTF-8', 'GBK') 轉為 UTF-8 進入業務邏輯。
3. 全站使用 mb_* 函數：php.ini 設定 mbstring.internal_encoding = UTF-8 並啟用 mbstring.func_overload (謹慎使用) 或編碼習慣全面改用 mb_* 系列。
4. 資料庫存取：PDO 連線 DSN 設定 charset=utf8mb4，確保存取無損。

結語

iconv() 適合短字串（如檔名）快速轉碼，但 mb_string 是處理中文長文本、構建健壯多語言系統的正統之選。掌握其編碼轉換與字元級操作能力，將徹底終結 PHP 中文亂碼噩夢。