PHP处理带有BOM的UTF-8文本文件
发现问题
最近在用php读取txt文件时发现一个问题
首先打开并读取了文件:
$f = fopen("temp.txt","r");
while(!feof($f)){
$line[] = fgets($f);
}
fclose($f);
输出内容:
if($line[0] != ''){
echo '<hr>';
for($i=0; $i<sizeof($line); $i++){
echo '<p>'.$line[$i].'<p>';
}
echo '<hr>';
}
然后问题就出现了:
正常情况下这会输出两根横线并显示文件的内容,但是当文件里一个字都没时,竟然也会输出两根横线!
然后我echo一下从空的文件得到的$line[0]的字符串长度
echo sizeof($line[0]);
得到的结果是3,说明空文件中包含三个看不到的字符。
后来经过查资料,我发现原来我打开的文件是带BOM的UTF-8文件。
什么是带BOM的UTF-8文件?
BOM(Byte Order Mark),字节顺序标记,出现在文本文件头部,Unicode编码标准中用于标识文件是采用哪种格式的编码。
UTF-8 不需要 BOM 来表明字节顺序,但可以用 BOM 来表明编码方式。字符 “Zero Width No-Break Space” 的 UTF-8 编码是 EF BB BF。所以如果接收者收到以 EF BB BF 开头的字节流,就知道这是 UTF-8编码了。Windows 就是使用 BOM 来标记文本文件的编码方式的。
那么如何解决这个问题呢?
百度百科十分离谱,仅给出下面一段话,没给出解决方案。。。
PHP并不会忽略BOM,所以在读取、包含或者引用这些文件时,会把BOM作为该文件开头正文的一部分。根据嵌入式语言的特点,这串字符将被直接执行(显示)出来。由此造成即使页面的 top padding 设置为0,也无法让整个网页紧贴浏览器顶部,因为在html一开头有这3个字符呢!
解决方案
只需要把字符串前面的这三个字符删掉就好了!
$line[0] = ltrim($line[0], chr(hexdec('EF')).chr(hexdec('BB')).chr(hexdec('BF')));
函数介绍
- ltrim(string, charlist) 移除字符串左侧的空白字符或其他预定义字符。
- chr() 函数从指定 ASCII 值返回字符。
- hexdec() 函数把十六进制数转换为十进制数。
最终代码
$f = fopen("temp.txt","r");
while(!feof($f)){
$line[] = fgets($f);
}
fclose($f);
$line[0] = ltrim($line[0], chr(hexdec('EF')).chr(hexdec('BB')).chr(hexdec('BF')));
if($line[0] != ''){
echo '<hr>';
for($i=0; $i<sizeof($line); $i++){
echo '<p>'.$line[$i].'<p>';
}
echo '<hr>';
}
此时,把BOM头删除后,输出就正常了。
文件为空时,不会输出横线及内容。
文件不为空时,将逐段输出文件内容。