php - 如何在php中将文件转换为UTF-8？

Question

我可以将文件转换为 UTF-8 格式吗？

如果我在提交后可以访问该文件

$_FILES['file']['tmp_name']

注意:用户可以上传任何字符集的 CSV 文件，我通常会遇到未知的 8 位字符集。

我试试

$row = array();
$datas = file($_FILES['file']['tmp_name']);
foreach($datas as $data) {
    $data = mb_convert_encoding($data, 'UTF-8');
    $row[] = explode(',', $data);
}

但问题是，这段代码删除了单引号等特殊字符。

我的第一个问题是 htmlspecialchars remove the value inside the array?

我放它是为了获得更多信息。感谢那些能提供帮助的人!

Answer 1

在将其转换为 utf-8 之前，您需要知道它是什么字符集。如果你无法弄清楚，你就不能以任何理智的方式将它转换为 utf8..然而，如果无法确定编码，将其转换为 utf-8 的疯狂方法，就是简单地去除任何在 utf-8 中不合法的字节，你也许可以将其用作后备...

警告，未经测试的代码(我突然很着急)，但可能看起来像这样:

foreach ( $datas as $data ) {
    $encoding = guess_encoding ( $data );
    if (empty ( $encoding )) {
        // encoding cannot be determined...
        // as a fallback, we simply strip any bytes that isnt valid utf-8...
        // obviously this isn't a reliable conversion scheme.
        // also this could probably be improved
        $data = iconv ( "ASCII", "UTF-8//TRANSLIT//IGNORE", $text );
    } else {
        $data = mb_convert_encoding ( $data, 'UTF-8', $encoding );
    }
    $row [] = explode ( ',', $data );
}
function guess_encoding(string $str): string {
    $blacklist = array (
            'pass',
            'auto',
            'wchar',
            'byte2be',
            'byte2le',
            'byte4be',
            'byte4le',
            'BASE64',
            'UUENCODE',
            'HTML-ENTITIES',
            '7bit',
            '8bit' 
    );
    $encodings = array_flip ( mb_list_encodings () );
    foreach ( $blacklist as $tmp ) {
        unset ( $encodings [$tmp] );
    }
    $encodings = array_keys ( $encodings );
    $detected = mb_detect_encoding ( $str, $encodings, true );
    return ( string ) $detected;
}