又遇編碼問題

原本以為對文字編碼問題已經相當了解，沒想到最近又碰上一個狀況。

一直以為，Unicode 比 Big5 收錄更多的中文字元，因此從 Unicode 轉碼到 Big5，可能有部分字集無法轉換；但從 Big 轉碼到 Unicode，則不應該會碰到轉碼失敗的狀況。

但上週試圖從 Big5 編碼的網頁擷取內容時，PHP 的 iconv() 函式卻回報轉碼失敗的警告訊息。比較轉碼前後的檔案，發現原來是「恒春」的「恒」轉碼失敗了。

啊，怎麼會這樣？這下子怎麼辦呢？

想不出什麼好方法，只好先用 Windows VBScripting 將儲存下來的檔案，從 Big5 編碼轉成 Unicode，然後直接用 PHP 來讀取 Unicode 檔。比較耐人尋思的是，或許是因為資料處理的流程發生改變，即使是如此簡單的修改，也讓自己著實花了好一番工夫才完成。

事後，我試了一下，Java 程式也可以正確地轉換「恒」的文字編碼。那麼，為什麼 PHP 就不行呢？查閱相關文件，PHP 的 iconv() 好像是採用 GNU 的 libiconv 來執行編碼轉換的。下載 libiconv 來試試，它真的沒有辦法成功轉換「恒」這個字！

唉，看來連 GNU 的軟體，在中文處理上的可信賴度都沒有想像來的高呢。真是只能用嘆氣來形容自己的感覺了。