用PHP将Unicode 转化为UTF-8

function  unescape( $str ) {
    $str  = rawurldecode( $str );
    preg_match_all( "/(?:%u.{4})|&#x.{4};|&#\d+;|.+/U" , $str , $r );
    $ar  = $r [0];
    //print_r($ar);
    foreach ( $ar  as  $k => $v ) {
        if ( substr ( $v ,0,2) == "%u" ){
            $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "H4" , substr ( $v ,-4)));
  }
        elseif ( substr ( $v ,0,3) == "&#x" ){
            $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "H4" , substr ( $v ,3,-1)));
  }
        elseif ( substr ( $v ,0,2) == "&#" ) {

            $ar [ $k ] = iconv( "UCS-2BE" , "UTF-8" ,pack( "n" , substr ( $v ,2,-1)));
        }
    }
    return  join( "" , $ar );
}
echo  unescape( "紫星蓝" );
今天有用户反馈，表单系统用户提交的数据中文会乱码。测试发现问题出在 iconv 转换上。
iconv( 'UCS-2' , 'GBK' , '中文' )
Google 搜索发现，原因是 Linux 服务器上 UCS-2 编码方式与 Winodws 不一致。
于是，我改成  iconv( 'UCS-2BE' , 'GBK' , '中文' ) 试试，中文正常了

以下是有关两个平台 UCS-2 编码的潜规则：

1, UCS-2 不等于 UTF-16。 UTF-16 每个字节使用 ASCII 字符范围编码，而 UCS-2 对每个字节的编码可以超出 ASCII 字符范围。UCS-2 和 UTF-16 对每个字符至多占两个字节，但是他们的编码是不一样的。

2, 对于 UCS-2, windows 下默认是 UCS-2LE。用 MultibyteToWidechar（或者A2W）生成的是 UCS-2LE 的 unicode。windows记事本可以将文本保存为 UCS-2BE，相当于多了层转换。

3, 对于 UCS-2, linux 下默认是 UCS-2BE。用iconv(指定UCS-2)来转换生成的是 UCS-2BE 的 unicode。如果转换windows平台过来的 UCS-2, 需要指定 UCS-2LE。

4, 鉴于windows和linux等多个平台对 UCS-2 的理解不同（UCS-2LE,UCS-2BE）。MS 主张 unicode 有个引导标志(UCS-2LE FFFE, UCS-2BE FEFF)，以表明下面的字符是 unicode 并且判别 big-endian 或 little-endian。 所以从 windows 平台过来的数据发现有这个前缀，不用慌张。

5, linux 的编码输出，比如从文件输出，从 printf 输出，需要控制台做适当的编码匹配（如果编码不匹配，一般和该程序编译时的编码有若干关系），而控制台的转换输入需要查看当前的系统编码。比如控制台当前的编码是 UTF-8, 那么 UTF-8 编码的东西能正确显示，GBK 就不能；同样，当前编码是 GBK, 就能显示 GBK 编码，后来的系统应该更智能的处理好更多的转换了。不过通过 putty 等终端还是需要设置好终端的编码转换以解除乱码的烦恼。
PHP中对汉字进行UNICODE编码和解码的实现
 //将内容进行UNICODE编码
function  unicode_encode( $name )
{
    $name  = iconv( 'UTF-8' , 'UCS-2' , $name );
    $len  = strlen ( $name );
    $str  = '' ;
    for  ( $i  = 0; $i  < $len  - 1; $i  = $i  + 2)
    {
        $c  = $name [ $i ];
        $c2  = $name [ $i  + 1];
        if  (ord( $c ) > 0)
        {    // 两个字节的文字
            $str  .= '\u' . base_convert (ord( $c ), 10, 16). base_convert (ord( $c2 ), 10, 16);
        }
        else
        {
            $str  .= $c2 ;
        }
    }
    return  $str ;
}
$name  = 'MY,你大爷的' ;
$unicode_name =unicode_encode( $name );
echo  '<h3>' . $unicode_name . '</h3>' ;
// 将UNICODE编码后的内容进行解码
function  unicode_decode( $name )
{
    // 转换编码，将Unicode编码转换成可以浏览的utf-8编码
    $pattern  = '/([\w]+)|(\\\u([\w]{4}))/i' ;
    preg_match_all( $pattern , $name , $matches );
    if  (! empty ( $matches ))
    {
        $name  = '' ;
        for  ( $j  = 0; $j  < count ( $matches [0]); $j ++)
        {
            $str  = $matches [0][ $j ];
            if  ( strpos ( $str , '\\u' ) === 0)
            {
                $code  = base_convert ( substr ( $str , 2, 2), 16, 10);
                $code2  = base_convert ( substr ( $str , 4), 16, 10);
                $c  = chr ( $code ). chr ( $code2 );
                $c  = iconv( 'UCS-2' , 'UTF-8' , $c );
                $name  .= $c ;
            }
            else
            {
                $name  .= $str ;
            }
        }
    }
    return  $name ;
}
echo  'MY,\u4f60\u5927\u7237\u7684 -> ' .unicode_decode( $unicode_name );