今天在做采集的时候发现只取到了网页的部分内容，当时我就郁闷了，之前都用的采集都可以采集到网页...
今天在做采集的时候发现只取到了网页的部分内容，当时我就郁闷了，之前都用的采集都可以采集到网页的所有内容，但这次死活就取到部分内容。寻找原因才知道原来是iconv惹的祸。
发现问题时，网上搜了搜，才发现iconv原来有bug ，碰到一些生僻字就会无法转换，当然了配置第二个参数时，可以稍微弥补一下默认缺陷，不至于无法转换是截断，用法如下
iconv(“UTF-8″,”GB2312//IGNORE”,$data) ;
这样碰到生僻字转换失败时，它就会忽略失败，继续转换下面的内容，这算解决问题的一个办法，不过为了确保转换的成功率，我们可以用另一个转换函数（mb_convert_encoding），查资料网上说，这个函数效率不是很高，另外这个函数还可以省略第三个参数，自动识别内容编码，不过最好不要用，影响效率，还需要注意的时，mb_convert_encoding和iconv参数顺序不一样，一定要注意。
附两个函数简单的用法：
iconv
string iconv ( string $in_charset , string $out_charset , string $str )
第一个参数：内容原的编码
第二个参数：目标编码
第三个参数：要转的字符串
函数返回字符串
<?php
$instr = ‘测试’;
// GBK转UTF-8
$outstr = iconv(‘GBK’,'UTF-8′,$instr);
?>
mb_convert_encoding
string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )
第一个参数：要处理的字符串
第二个参数：目标编码
第三个参数：内容原编码
<?php$instr = '测试';// GBK转UTF-8$outstr = mb_convert_encoding($instr,'UTF-8','GBK',);
?>
个人建议碰到转码问题时采用mb_convert_encoding比较保险。
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
上一篇：222. Count Complete Tree Nodes 下一篇：春游
