php - 如何使用 PHP 检测 CP437

Question

我正在尝试检测给定字符串的编码，以便稍后使用 iconv 将其转换为 utf-8。我想将源编码集限制为utf8、iso8859-1、windows-1251、CP437

//...
$acceptedEncodings = array('utf-8',
    'iso-8859-1',
    'windows-1251'
);

$srcEncoding = mb_detect_encoding($content, $acceptedEncodings, true);

if($srcEncoding)
{
    $content = iconv($srcEncoding, 'UTF-8', $content);
}
//...

问题是 mb_detect_encoding 似乎不接受 CP437 作为支持的编码，当我给它一个 CP437 编码的字符串时，它被归类为 iso-8859-1，这导致 iconv 忽略像 ü 这样的字符。

我的问题是:有没有办法更早检测到CP437编码？使用 iconv 从 CP437 到 UTF-8 的转换工作正常，但我就是找不到检测 CP437 的正确方法。

非常感谢。

Answer 1

正如之前无数次讨论过的那样:从根本上说，不可能将任何单字节编码与任何其他单字节编码区分开来。你得到的是一堆字节。在编码 A 中，字节 x42 可能映射到字符 X，而在编码 B 中，相同的字节可能映射到字符 Y。但是你所拥有的字节 block 没有告诉你这一点，因为你只有字节.它们可以代表任何意思。它们在所有编码中都同样有效。可以识别更复杂的多字节编码，如 UTF-8，因为它们需要遵循更复杂的内部规则。所以可以肯定地说这不是有效的UTF-8。但是，不可能 100% 肯定地说这绝对是 UTF-8，而不是 ISO-8859。

你需要有关于你收到的内容的元数据，它告诉你内容的编码。事后识别它是不切实际的。您需要使用实际的内容分析来确定一段文本的哪种编码最有意义。