编码--网站文件批量转码

引:   由于数据库要求，数据库由原gbk2312编码更改为utf-8，为方便数据交互减少编码不一致引起的问题，

       需要将网站整站转码（gb2312-->utf-8）

一  在网上找批量转码工具

  我用的是”“GB/BIG5/UTF-8 文件编码批量转换程序 1.2“（gb和utf-8可互转），作者 阿勇([email protected]) 

  这个软件06年就没再更新过了，不过这次使用没有发现问题  下载地址： http://www.onlinedown.net/softdown/46844_2.htm

  注意： 1.这个软件支持选择文件，或者选择目录，有部分可选类型，也可以是所有文件，提供方便的同时也要细心。查看所选文件里是否有不需要转码的文件，如不同编码的文件，图片等，一定不要一起给转了。

              2.没有去重功能，所以注意不要重复选择文件（重复选择会怎么样，我还试）

              3. 若勾选”保留文件备份“，则每个文件都有一个对应的bak文件生成，由于我项目已经用git管理了，所以不需要备份（git自己有恢复功能），怎么备份法看具体情况吧，反正这大动作还是要慎重的。

二，去除bom头

       使用EditPlus编辑器打开刚才转码过的文件，底部状态栏显示编码为”UTF-8+“,即含有bom头.

        什么是bom？ 引用网友一段话"在utf-8编码文件中BOM在文件头部，占用三个字节，用来标示该文件属于utf-8编码，现在已经有很多软件识别bom头，但是还有些不能识别bom头，比如PHP就不能识别bom头，这也是用记事本编辑utf-8编码后执行就会出错的原因了.

        这样在php执行程序的时候会将bom头作为内容输出，在遇到要求不能有输出的时候，如session_start()就会出错。

        单个文件，用editplus编辑器打开另存为无‘utf-8’(即无bom)的文件即可。

        对于这么多文件，有网友分享了一段脚本，快速批量准确的去除bom头（没查到原作者，在此感谢高人分享~），在被转码文件的根目录下建一个php文件，以下代码拷贝进去，在url中输入访问地址，执行即可：

        <?php   
if (isset($_GET['dir'])){ //设置文件目录   
$basedir=$_GET['dir'];   
}else{   
$basedir = '.';   
}   
$auto = 1;   
checkdir($basedir);   
function checkdir($basedir){   
if ($dh = opendir($basedir)) {   
  while (($file = readdir($dh)) !== false) {   
   if ($file != '.' && $file != '..'){   
    if (!is_dir($basedir."/".$file)) {   
     echo "filename: $basedir/$file ".checkBOM("$basedir/$file")." <br>";   
    }else{   
     $dirname = $basedir."/".$file;   
     checkdir($dirname);   
    }   
   }   
  }   
closedir($dh);   
}   
}   
function checkBOM ($filename) {   
global $auto;   
$contents = file_get_contents($filename);   
$charset[1] = substr($contents, 0, 1);   
$charset[2] = substr($contents, 1, 1);   
$charset[3] = substr($contents, 2, 1);   
if (ord($charset[1]) == 239 && ord($charset[2]) == 187 && ord($charset[3]) == 191) {   
  if ($auto == 1) {   
   $rest = substr($contents, 3);   
   rewrite ($filename, $rest);   
   return ("<font color=red>BOM found, automatically removed._<a href=http://www.k686.com>http://www.k686.com</a></font>");   
  } else {   
   return ("<font color=red>BOM found.</font>");   
  }   
}   
else return ("BOM Not Found.");   
}   
function rewrite ($filename, $data) {   
$filenum = fopen($filename, "w");   
flock($filenum, LOCK_EX);   
fwrite($filenum, $data);   
fclose($filenum);   
}   
?>

三，使用强大的ZendSdio批量查找替换htm中申明的gb2312的编码为utf-8

        注意：新建的zend工程，查看htm是否正常显示，如果是乱码，查看工程htm的编码是否设置为utf-8,可参考http://blog.csdn.net/breeze_life/article/details/8148902，

        选中工程，全局搜索（ctrl+H）“charset=gb2312”批量替换为“charset=utf-8”，

        注意：可能某些引入项目外部的文件，需要保持申明为gb2312，所以，就需要排除这些例外，不可一起被替换，而对于本次已被转码的文件，是需要被替换的。

                    另外可能还有有空格的如“charset=  gb2312”，没空格的，各种写法都搜一搜。以防有漏网之鱼。

四，然后重点是php文件里的gb2312(或gbk)，要结合上下文逻辑语境，确定是否需要替换。各种写法也要都搜一搜，如utf8,utf-8,gbk,gb2312等

五，测试

个人经验，欢迎批评指正。