PHP scandir() 和 htmlentities() : issues with charset and/or special characters

Question

我正在使用 jqueryFileTree显示服务器上的目录列表以及目录中文件的下载链接。最近我遇到了包含特殊字符的文件的问题:

• test.pdf:工作正常
• tést.pdf:不起作用(请注意文件名中的 é - 尖音符号)

当调试 jqueryFileTree 的 php 连接器时，我看到它对通过 $_GET 传递的目录执行 scandir()，然后遍历目录的每个文件/目录。在将文件名解析为 url 之前，脚本似乎正确地对文件名执行了 htmlentities() 。问题似乎是这个 htmlentities($file) 调用只返回一个空字符串，根据 php docs当输入字符串在给定编码中包含无效代码单元时，可能会出现这种情况。但是我尝试通过调用隐式传递字符集:

$file = htmlentities($file,ENT_QUOTES,'UTF-8');

但这也会返回一个空字符串。

如果我调用: $file = htmlentities($file,ENT_IGNORE,'UTF-8');e 锐音符刚刚被删除(所以 tést.pdf 变成 tst.pdf)

当使用 xdebug 调试我的 php 脚本时，我可以看到源字符串包含一个未知字符(看起来像 this)。

所以我很想在这里找到解决方案。欢迎任何帮助。

仅供引用:

• 我页面的字符集是 UTF-8(在元数据中指定)
• 文件存储在 windows 2003 文件服务器上，scandir() 使用 UNC 路径执行(例如//fileserver/sharename/sourcedir)
• 我的 php.ini 中的默认编码设置为 UTF-8
• 网络服务器和 PHP 5.4.26 在 windows 2008 R2 服务器上运行

Answer 1

我最好的猜测是文件名本身没有使用 UTF-8。或者至少 scandir() 不会像那样接受它。

也许 mb_detect_encoding() 可以阐明一些问题？

var_dump(mb_detect_encoding($filename));

如果不是，请尝试猜测编码(我的第一个猜测是 CP1252 或 ISO-8859-1)并将其转换为 UTF-8，查看输出是否有效:

var_dump(mb_convert_encoding($filename, 'UTF-8', 'Windows-1252'));
var_dump(mb_convert_encoding($filename, 'UTF-8', 'ISO-8859-1'));
var_dump(mb_convert_encoding($filename, 'UTF-8', 'ISO-8859-15'));

或者使用iconv():

var_dump(iconv('WINDOWS-1252', 'UTF-8', $filename));
var_dump(iconv('ISO-8859-1',   'UTF-8', $filename));
var_dump(iconv('ISO-8859-15',  'UTF-8', $filename));

然后当您弄清楚实际使用的是哪种编码时，您的代码应该看起来有点像这样(假设 CP1252):

$filename = htmlentities(mb_convert_encoding($filename, 'UTF-8', 'Windows-1252'), ENT_QUOTES, 'UTF-8');