日期:2014-05-16  浏览次数:20445 次

php中文分词源码遇到的小问题
本帖最后由 zhuzhaodan 于 2014-03-20 22:26:08 编辑
define('_SP_', chr(0xFF).chr(0xFE)); 
define('UCS2', 'ucs-2be');

这2个常量定义的作用是什么?_SP_定义成chr(0xFF).chr(0xFE)是什么意思,我在ascii对照表内根本找不到FF,FE这2个对应的编码啊?
后面的代码如下
        //载入副词典
        $hw = '';
        $ds = file($dicAddon);//17行的txt格式字典文件
        foreach($ds as $d)
        {
            $d = trim($d);
            if($d=='') continue;
            $estr = substr($d, 1, 1);
            if( $estr==':' ) {
                $hw = substr($d, 0, 1);
            }
            else
            {
                $spstr = _SP_;
                $spstr = iconv(UCS2, 'utf-8', $spstr);//怎么会出现ucs2编码?咋回事
                $ws = explode(',', $d);//每一行的汉字,用中间的逗号分成数组
                $wall = iconv('utf-8', UCS2, join($spstr, $ws));//用_SP_又组合成了字符串??,然后又转换成了ucs2?
                $ws = explode(_SP_, $wall);//又接着分割成数组?啥意思啊!!!
                foreach($ws as $estr)
                {
                    $this->addonDic[$hw][$estr] = strlen($estr);
                }
            }
        }


这段代码,就是载入字典文件,可是我没明白ELSE代码的逻辑?谁能简单说说
------解决方案--------------------
BOM 是编码类型声明,把 _SP_ 解释为 BOM 是为了帮助理解
你不是”在ascii对照表内根本找不到FF,FE这2个对应的编码“
再看
define('_SP_', chr(0xFF).chr(0xFE)); 
define('UCS2', 'ucs-2be');
$spstr = _SP_;
$spstr = iconv(UCS2, 'utf-8', $spstr);
echo bin2hex($spstr);
得到 efbfbe
这是 utf-8 的 BOM

至于他为什么要这样做,你看看字典文件就知道是怎么回事了