php - 理解 PHP 的 mb_detect_encoding 和 mb_check_encoding 函数的结果

Question

我试图理解这两个函数的逻辑 mb_detect_encoding 和 mb_check_encoding ，但文档很差。从一个非常简单的测试字符串开始

$string = "\x65\x92";

当使用 Windows-1252 编码时，它是小写的“a”后跟一个 curl 引号。
我得到以下结果:

mb_detect_encoding($string,"Windows-1252"); // false
mb_check_encoding($string,"Windows-1252"); // true
mb_detect_encoding($string,"ISO-8859-1"); // ISO-8859-1
mb_check_encoding($string,"ISO-8859-1"); // true
mb_detect_encoding($string,"UTF-8",true); // false
mb_detect_encoding($string,"UTF-8"); // UTF-8
mb_check_encoding($string,"UTF-8"); // false

我不明白为什么mb_detect_encoding根据 https://en.wikipedia.org/wiki/ISO/IEC_8859-1 为字符串提供“ISO-8859-1”而不是“Windows-1252”和 https://en.wikipedia.org/wiki/Windows-1252 , 字节 x92在 Windows-1252 字符编码中定义，但不在 ISO-8859-1 中定义。

其次，我不明白如何mb_detect_encoding可以退货false ，但是 mb_check_encoding可以退货true对于相同的字符串和相同的字符编码。

最后，我不明白为什么字符串可以被检测为 UTF-8，严格模式与否。字节 x92是 UTF-8 中的连续字节，但在此字符串中，它跟在有效字符字节之后，而不是序列的前导字节。

Answer 1

你的例子很好地说明了为什么mb_detect_encoding应该谨慎使用，因为它不直观，有时在逻辑上是错误的。如果必须使用，总是 传入 strict = true作为第三个参数(因此非 UTF8 字符串不会被报告为 UTF-8。

运行 mb_check_encoding 更可靠一点在一系列所需的编码上，按照可能性/优先级的顺序。例如:

$encodings = [
    'UTF-8',
    'Windows-1252',
    'SJIS',
    'ISO-8859-1',
];

$encoding = 'UTF-8';
$string = 'foo';
foreach ($encodings as $encoding) {
    if (mb_check_encoding($string, $encoding)) {
        // We'll assume encoding is $encoding since it's valid
        break;
    }
}

排序取决于您的优先级。