林俊海的博客

前天在 CSDN 有网友问到 ASP 中 UTF-8 转 GB2312 的问题
见:http://topic.csdn.net/u/20080729/18/b257b0ce-d947-495d-a722-00b8b6a577dc.html

使用的是网上流行的　UTF2GB(UTFStr) 函数。
代码甚是复杂，但其实目的是为了实现 JScript 里 decodeURIComponent 功能。
我很是郁闷，既然 JScript 有 decodeURIComponent，而且 ASP 又可以使用 JScript 为什么现成的内置函数不用呢？如：
<script language="JScript" runat="Server"> function decodeURL(s) { return decodeURIComponent(s) } </script> <% Response.Write decodeURL("%E6%8A%9A%E9%A1%BA%E9%9D%92%E6%9D%BE%E8%8D%AF%E4%B8%9A") %>

可能有些朋友就特不喜欢 JScript, 那么利用一下 ADODB.Stream 转码也方便的多
Function UTF2GB(s) With Server.CreateObject("ADODB.Stream") .Type = 2 .Mode = 3 .Open .CharSet = "iso-8859-1" .WriteText UnEscape(s) ' 使用 unescape 解码成 iso-8859-1 串后 利用 ADODB.Stream 转换编码 .Position = 0 .CharSet = "UTF-8" UTF2GB = .ReadText(-1) .Close End With End Function Response.Write UTF2GB("%E6%8A%9A%E9%A1%BA%E9%9D%92%E6%9D%BE%E8%8D%AF%E4%B8%9A")
^_^ 上面说了这么多，都跟主题没什么关系

在原来贴子中，提问的网友最后提到了一个很好的问题。
就是像:
"抚顺青松药业"
GBK 的 URI 编码是 "%B8%A7%CB%B3%C7%E0%CB%C9%D2%A9%D2%B5"
UTF-8 的 URI 编码是 "%E6%8A%9A%E9%A1%BA%E9%9D%92%E6%9D%BE%E8%8D%AF%E4%B8%9A"

在未知何种编码格式的情况下，如何能自动识别其编码，正确解出 "抚顺青松药业" (Google 就能做到)

这个问题之前自己也有被难住过，那时候是做页面统计时，为了分析用户从搜索引擎进入时，用户搜的是什么关键字，这就需要从来路页面的地址中分析出关键字，而 提交给 Google 的搜索关键字有时是 GBK 的 URI 编码，有时是 UTF-8 的 URI 编码。这就要求我们也必须能像 Google 一样能识别出 URI 串是用了什么编码。

在搜索了 UTF-8 的编码规则后，终于写出了下面的代码
Function DecodeURI(ByVal s) s = UnEscape(s) Dim cs : cs = "GBK" With New RegExp .Pattern = "^(?:[\x00-\x7f]|[\xfc-\xff][\x80-\xbf]{5}|[\xf8-\xfb][\x80-\xbf]{4}|[\xf0-\xf7][\x80-\xbf]{3}|[\xe0-\xef][\x80-\xbf]{2}|[\xc0-\xdf][\x80-\xbf])+$" If .Test(s) Then cs = "UTF-8" End With With CreateObject("ADODB.Stream") .Type = 2 .Mode = 3 .Open .CharSet = "iso-8859-1" .WriteText s .Position = 0 .CharSet = cs DecodeURI = .ReadText(-1) .Close End With End Function Response.Write DecodeURI("%B8%A7%CB%B3%C7%E0%CB%C9%D2%A9%D2%B5") Response.Write DecodeURI("%E6%8A%9A%E9%A1%BA%E9%9D%92%E6%9D%BE%E8%8D%AF%E4%B8%9A")
偶尔也会有 GBK 编码串被误认为 UTF-8 的，不过，误认的问题并不好解决，Google 都也会出这样的问题。
把代码记下来，备以后用