php - ARC2(PHP 语义网库)错误地将 UTF-8 文件双重转换为 UTF-8

Question

使用 ARC2 , 文本数据被破坏。

我的 RDF 输入文件是 UTF-8 格式的。它通过 LOAD <path/to/file.rdf> 加载到使用 MySQL 后端的 ARC2 中。询问。 MySQL 数据库也是 UTF-8 格式，通过 PHPMyAdmin 进行检查可以确保这一点。

但是，文本数据已损坏。经过多次转换检查，问题似乎是原来的 UTF-8 文件被认为是 ISO-8859-1，并再次转换为 UTF-8。

示例:“surmonté”→“surmonteÌ”。

这个“surmonteÌ”实际上在数据库中以 UTF-8 格式提供。

这是否与 ARC2 打开文件的方式有关(深入挖掘代码，不详尽但相当深入，没有发现任何可疑之处)，或者这可能是 PHP 和 MySQL 的更普遍情况？

如何确保导入的数据没有被错误重新编码，而是作为原始数据？

Answer 1

ARC2 使用两个函数:$store->setUp() ，这CREATE s TABLE s 和 DATABASE如果需要的话；和 query(LOAD… ，问题中有详细说明。

事实证明，setUp()部分必须不在与 load 相同的脚本中调用部分。至少，不是在同一次执行期间。我采取的解决方案是制作两个单独的脚本，一个用于初始化数据库，另一个用于加载数据，但是在完成后简单地注释掉 init 部分也可以。无论如何，诀窍是确保加载不会在初始化后立即发生。

发生这种情况是因为 SET NAMES utf8仅设置数据库连接时的编码规范 after collation detection ，如果数据库刚刚创建，MySQL 似乎无法正确检测到。我做了一个pull request的修复。

---

附带说明一下，使用 LOAD <path/to/file.rdf 效率不高问题的构造:这将被计算为相对 web 地址，调用服务器通过网络从自身下载。使用如下结构效率更高:

 $store->query('LOAD <file://' . dirname(__FILE__) . '/path/to/file.rdf>')