什么是CSV文件?Comma Separator Value(逗号分隔值)是也。常常用来数据转换的中间文件存在,比如:从Mysql中导出数据到CSV,导入CSV到SqlServer中。最近在用Epsilon的邮件服务做邮件营销,Epsilon的web前端接受csv格式的邮件列表,于是乎在Linux下用PHP脚本从Mysql数据库中将user表的数据按照条件导出成csv,以便导入到Epsilon的web前端发邮件,问题出现了,使用utf-8编码导出CSV文件,打开后里边的中文成了乱码(Windows下CSV文件默认与Microsoft Excel关联),用Notepad++或者Word打开正常,不过排版很乱,看着累呀。
百度一下,找到原因:BOM惹的祸,微软惹的祸。
什么是BOM?Byte Order Mark(比特序标记)是也。
为了识别 Unicode 文件,Microsoft 建议所有的 Unicode 文件应该以 ZERO WIDTH NOBREAK SPACE字符开头。这作为一个”特征符”或”字节顺序标记(byte-order mark,BOM)”来识别文件中使用的编码和字节顺序(big-endian或little-endian),具体的对应关系见下表。
Bytes | Encoding Form |
---|---|
00 00 FE FF | UTF-32, big-endian |
FF FE 00 00 | UTF-32, little-endian |
FE FF | UTF-16, big-endian |
FF FE | UTF-16, little-endian |
EF BB BF | UTF-8 |
类Unix系统中并没有使用 BOM,因为它会破坏现有的 ASCII 文件的语法约定。
我的php源码文件是用NotePad++生 成的,在Centos下执行,格式为:以UTF-8无BOM格式编码,因此要想导出Microsoft Excel可以正常显示的UTF-8的CSV文件,需要显式的输出BOM(EF BB BF,上表的最后一种类型),然后再输出Mysql中的有效数据。编写如下函数:
<?php
/**
* @param $file_name string 要导出的文件名,比如:mail-list.csv
* @param $content string 要输出的csv格式的数据,用逗号分隔各字段
* @return null
*/
function output_csv($file_name,$content)
{
$content = "/xEF/xBB/xBF".$content; //添加BOM
if( empty( $file_name ) )
{
$file_name = date("Ymd")."csv";
}
header( "Cache-Control: public" );
header( "Pragma: public" );
header( "Content-type: text/csv" ) ;
header( "Content-Disposition: attchment; filename={$file_name}" ) ;
header( "Content-Length: ". strlen( $content ) );
echo $content;
exit;
}
?>
问题解决。
PS1:output_csv函数使用前,确保php源码是utf-8,并且无BOM,并且没有输出任何内容。
PS2:BOM实际上挺烦人,如果你的网页(*.html)有BOM,在IE6.x下面打开会发现一神奇的空行,Firefox下却没有,遇到过没?
PS3:参考文章UTF-8,UTF-16,UTF-32,BOM