php 检测文件编码类型

最新推荐文章于 2021-04-13 05:50:33 发布

别扭的键盘

最新推荐文章于 2021-04-13 05:50:33 发布

阅读量2.2k

点赞数 1

分类专栏： PHP 文章标签： php encoding file function templates tools

本文链接：https://blog.csdn.net/mellon17/article/details/7069428

版权

PHP 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

在网上找了些关于PHP如何获取文件编码的例子。

google搜索

大至如下

define ('UTF32_BIG_ENDIAN_BOM'   , chr(0x00) . chr(0x00) . chr(0xFE) . chr(0xFF));
define ('UTF32_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE) . chr(0x00) . chr(0x00));
define ('UTF16_BIG_ENDIAN_BOM'   , chr(0xFE) . chr(0xFF));
define ('UTF16_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE));
define ('UTF8_BOM'               , chr(0xEF) . chr(0xBB) . chr(0xBF));

function detect_utf_encoding($text) {
    $first2 = substr($text, 0, 2);
    $first3 = substr($text, 0, 3);
    $first4 = substr($text, 0, 3);
   
    if ($first3 == UTF8_BOM) return 'UTF-8';
    elseif ($first4 == UTF32_BIG_ENDIAN_BOM) return 'UTF-32BE';
    elseif ($first4 == UTF32_LITTLE_ENDIAN_BOM) return 'UTF-32LE';
    elseif ($first2 == UTF16_BIG_ENDIAN_BOM) return 'UTF-16BE';
    elseif ($first2 == UTF16_LITTLE_ENDIAN_BOM) return 'UTF-16LE';
}

function getFileEncoding($str){
    $encoding=mb_detect_encoding($str);
    if(empty($encoding)){
        $encoding=detect_utf_encoding($str);
    }
    return $encoding;
}
$file = 'text1.txt';
echo getFileEncoding(file_get_contents($file));  // 输出ASCII
echo '';

$file = 'text2.txt';
echo getFileEncoding(file_get_contents($file));  // 输出UTF-8
echo '';
$file = 'text3.txt';
echo getFileEncoding(file_get_contents($file));  // 输出UTF-16LE
echo '';

但发现这个例子对于我的一些文件检测有问题。

附件中的例子就有问题。

以下为代码：

<?php
/* 
 * To change this template, choose Tools | Templates
 * and open the template in the editor.
 */


define ('UTF32_BIG_ENDIAN_BOM'   , chr(0x00) . chr(0x00) . chr(0xFE) . chr(0xFF));
define ('UTF32_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE) . chr(0x00) . chr(0x00));
define ('UTF16_BIG_ENDIAN_BOM'   , chr(0xFE) . chr(0xFF));
define ('UTF16_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE));
define ('UTF8_BOM'               , chr(0xEF) . chr(0xBB) . chr(0xBF));

function detect_utf_encoding($text) {
    $first2 = substr($text, 0, 2);
    $first3 = substr($text, 0, 3);
    $first4 = substr($text, 0, 3);
   
    if ($first3 == UTF8_BOM) return 'UTF-8';
    elseif ($first4 == UTF32_BIG_ENDIAN_BOM) return 'UTF-32BE';
    elseif ($first4 == UTF32_LITTLE_ENDIAN_BOM) return 'UTF-32LE';
    elseif ($first2 == UTF16_BIG_ENDIAN_BOM) return 'UTF-16BE';
    elseif ($first2 == UTF16_LITTLE_ENDIAN_BOM) return 'UTF-16LE';
}
function getFileEncoding($str){
    $encoding=mb_detect_encoding($str);
    if(empty($encoding)){
        $encoding=detect_utf_encoding($str);
    }
    return $encoding;
} 
 
 
 
$gbkFileContent = file_get_contents('txt/test_gbk.txt');
$utf8FileContent = file_get_contents('txt/test_utf-8.txt');
echo 'func----test_gbk_encoding:'.getFileEncoding($gbkFileContent).'<br>';
echo 'func----test_utf8_encoding:'.getFileEncoding($utf8FileContent).'<br>';

echo '<br><br>上面的好像检测不出来<br>试试下面的<br>';

echo 'mb_detect_encoding-----gbk:';
echo mb_detect_encoding($gbkFileContent, "gb2312, UTF-8").'<br>';
echo '<br>mb_detect_encoding-----utf8:';
echo mb_detect_encoding($utf8FileContent, "gb2312, UTF-8").'<br>';

echo iconv("UTF-8", "gb2312//IGNORE", $utf8FileContent);
?>

输出如下：

func----test_gbk_encoding:UTF-8
func----test_utf8_encoding:UTF-8

上面的好像检测不出来
试试下面的
mb_detect_encoding-----gbk:EUC-CN

mb_detect_encoding-----utf8:UTF-8
我是utf-8

直接利用mb_detect_encoding也是有一定问题，问题还是没有彻底解决。我这里的需求是把UTF－8的转换为其它类型，所以只要判断是UTF－8就处理，其它不处理就可以。但是如果其它编码有问题还是不能彻底解决问题。

发上来与大家讨论一下，也可能是TXT文件有问题？不标准？