php对gb编码动态转utf-8编码的几种方法评测

您当前所在位置：首页 → 网络编程 → PHP编程 → 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 时间：2015-06-28 00:00:00 来源：绿色软件之家作者：网管联盟 我要评论(0)

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）：

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 "\r\n";
// 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 "\r\n";
?>

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?? #
0x552B?? 0x658B?? #
0x552C?? 0x5B85?? #
0x552D?? 0x7A84?? #
……
0x777B?? 0x9F37?? #
0x777C?? 0x9F3D?? #
0x777D?? 0x9F3E?? #
0x777E?? 0x9F44?? #

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

关键词标签：编码,方法,评测,动态,

相关阅读

文章评论

查看所有0条评论>>