php - PHP 中的编码转换(ISO-8859-1、UTF-8、CP1250)

Question

我想处理 CSV 文件中的数据，但我意识到字母无法正确显示。我尝试了数百万种方法来转换编码，但没有任何效果。在 MacOS、PHP 7.4.4 上运行。

执行fgets()后或fgetcsv()在句柄变量上，我会得到这个(示例中为 2 行/行)。

Kód ADM;Kód obce;Název obce;Kód MOMC;Název MOMC;Kód MOP;Název MOP;Kód èásti obce;Název èásti obce;Kód ulice;Název ulice;Typ SO;Èíslo domovní;Èíslo orientaèní;Znak èísla orientaèního;PSÈ;Souøadnice Y;Souøadnice X;Platí Od

1234;1234;HorniDolni;;;;;1234;HorniDolni;;;è.p.;2;;;748790401;4799.98;15893971.21;2013-12-01T00:00:00

这或多或少是正确的捷克语，但字母 č被 è 取代和ř被 ø 取代，它们都不属于捷克字母表。我相信，文件中还会有更多错放的字母。

执行file -I path/to/file我收到file: text/plain; charset=iso-8859-1这是可悲的，因为就wiki而言令人担忧的是，该字符集不包含捷克字母。

以下命令均未转换放错位置的字母: mb_convert_encoding($line, 'UTF-8', 'ISO8859-1') iconv('ISO-8859-1', 'UTF-8', $line) iconv('ISO8859-1', 'UTF-8', $line)

我注意到 ISO-8859-1 ø信件有一个代码00F8 。 Windows-1250 (包括捷克语 aplhabet)有正确的字母 ř代码 0159 但两者前面都有 00F8 。与字母 č 相同和è前面都有代码 00E7 。我对编码不太了解，但似乎文件是在 Windows-1250 中编码的，但解释器认为编码是 ISO-8859-1 并采用原始字母的位置/代码。

但这两种转换(ISO-8859-1 => Windows-1250、ISO-8859-1 => UTF-8 或其他方式)都不起作用。

有谁知道如何解决这个问题吗？谢谢!

Answer 1

8 位字符编码的问题在于它主要需要人类智能来解释正确的代码页。

当您在文件上运行 file 时，它可以发现该文件主要由可打印字符组成，但由于它只查看字节，因此无法轻松区分ISO-8895-1 和 ISO-8895-2。对于文件，0x80与0x80相同。

由于使用了 0x80-0xFF，

file 只能判断该文件是文本文件，可能是 iso-8895-* 或 windows-*。 IE。不仅仅是 ASCII。

(Unicode 编码，如 UTF-8 和 UTF-16，通过其字节序列或文件顶部设置的字节顺序标记更容易检测)

有一些智能字符代码页检测器，在不同语言的字典的帮助下，可以根据字符/字节序列估计代码页。

您可能需要的转换只是iso-8895-2 -> UTF-8。

对您来说重要的是您知道原始编码(解释)，然后当您验证它时，您确切地知道您正在查看它的编码。

例如，PHP 默认将 HTTP 字符集设置为 iso-8895-1。这意味着您很可能正确转换为 iso-8895-2，但您的浏览器随后将“解释”为 iso-8895-1。

验证的最佳方法是将文件保存到磁盘，然后使用 VS Code 等文本编辑器预先设置为所需的编码，然后再打开文件。

如果您需要进一步帮助，您需要编辑您的问题以包含您正在使用的确切代码。