PHP 中文轉 UTF-8 編碼自定義函數：手動位元組組裝與現代 mbstring 最佳實踐

歷史背景

早期 PHP 4/5.0 無 mbstring、iconv 時，需手動將中文字元組裝為 UTF-8 位元組序列（數值實體 &#XXXX;）以正確顯示。本文保留該經典實作供參考，**現代專案請直接用 mb_convert_encoding 或確保全端 UTF-8**。

經典手動組裝實作

<?php
/**
 * 將 UTF-8 字串轉為數值實體 (&#XXXX;)
 * 僅供教學/極舊環境參考
 */
function htou(string $c): int
{
    // $c 應為 3 位元組 UTF-8 字元
    $n = (ord($c[0]) & 0x1F) << 12;
    $n += (ord($c[1]) & 0x3F) << 6;
    $n += ord($c[2]) & 0x3F;
    return $n;
}

function utf8_to_entities(string $str): string
{
    $encode = '';
    $len = strlen($str);
    for ($i = 0; $i < $len; $i++) {
        $byte = ord($str[$i]);
        if ($byte > 0xA0) { // 多位元組字元 (簡易判斷)
            $entity = htou(substr($str, $i, 3));
            $encode .= '&#' . $entity . ';';
            $i += 2;
        } else {
            $encode .= '&#' . $byte . ';';
        }
    }
    return $encode;
}

// 測試
echo utf8_to_entities('測試'); // 测试
?>

原理解析

1. UTF-8 編碼規則：首位元組高位標記位元組數（110xxxxx=2B, 1110xxxx=3B, 11110xxx=4B），後續位元組固定 10xxxxxx。
2. htou() 解析 3 位元組 UTF-8 還原 Unicode 碼位：(b1&0x1F)<<12 | (b2&0x3F)<<6 | (b3&0x3F)。
3. 輸出 &#codepoint; 數值實體，瀏覽器自動渲染對應字元。

現代標準做法 (PHP 5.2+)

<?php
// 1. 內部編碼統一
mb_internal_encoding('UTF-8');

// 2. 任意編碼互轉
$utf8 = mb_convert_encoding($sourceStr, 'UTF-8', 'Big5'); // Big5 → UTF-8
$utf8 = mb_convert_encoding($sourceStr, 'UTF-8', 'GBK');  // GBK → UTF-8
$utf8 = mb_convert_encoding($sourceStr, 'UTF-8', 'auto'); // 自動偵測

// 3. 輸出數值實體 (極少數舊系統需求)
function toNumericEntities(string $utf8): string
{
    return mb_encode_numericentity($utf8, [0x0, 0x10FFFF, 0, 0xFFFF], 'UTF-8');
}
echo toNumericEntities('測試'); // 测试

// 4. JSON 輸出中文不轉義
echo json_encode(['msg' => '中文'], JSON_UNESCAPED_UNICODE); // {"msg":"中文"}
?>

線上工具推薦 (文中提及)

• UTF-8 編碼轉換：tools.jb51.net/transcoding/convutf
• 多格式編碼互轉：tools.jb51.net/transcoding/decode_encode_tool
• Native/UTF-8 轉換：tools.jb51.net/transcoding/native2utf8

總結

手動位元組組裝是理解 UTF-8 內部結構的好教材，**生產環境請務必使用 mbstring/iconv 內建函數**，並確保「資料庫 → PHP → HTML → 瀏覽器」全鏈路 UTF-8 一致，徹底杜絕編碼問題。