PHP读文件的一个乱码问题

D:/3.txt是utf-8文件

$f1 = fopen('D:/3.txt','r');
$str = fread($f1,10000);
fclose($f1);
echo substr($str,1,3);

有bom问题，微软为了标记这个文本为utf文本，加入三个字节，分别为

ord($charset[1]) == 239 && ord($charset[2]) == 187 && ord($charset[3]) == 191

 

<?php
 
 if (isset($_GET['dir'])){ //设置文件目录  
 $basedir=$_GET['dir'];  
 }else{  
 $basedir = '.';  
 }  
 $auto = 1;  
 checkdir($basedir);  
 
 
 function checkdir($basedir)
 {  
  if ($dh = opendir($basedir))
  {  
     while (($file = readdir($dh)) !== false) 
     {    
       if ($file != '.' && $file != '..')
       {  
          if (!is_dir($basedir."/".$file)) 
          {  
             echo "filename: $basedir/$file ".checkBOM("$basedir/$file")." <br>";  
          }else
          {  
             $dirname = $basedir."/".$file;  
             checkdir($dirname);  
          }  
       }  
   }  
  closedir($dh);  
  }  
 }  
 function checkBOM ($filename)
  {  
 global $auto;  
 $contents = file_get_contents($filename);  
 $charset[1] = substr($contents, 0, 1);  
 $charset[2] = substr($contents, 1, 1);  
 $charset[3] = substr($contents, 2, 1);  
 if (ord($charset[1]) == 239 && ord($charset[2]) == 187 && ord($charset[3]) == 191) 
 {  
   if ($auto == 1) 
   {  
    $rest = substr($contents, 3);  
    rewrite ($filename, $rest);  
    return ("<font color=red>BOM found, automatically removed._<a href=http://www.k686.com>http://www.k686.com</a></font>");  
   } 
   else
    {  
    return ("<font color=red>BOM found.</font>");  
    }  
 }  
 else return ("BOM Not Found.");  
 }  
 
 function rewrite ($filename, $data)
 {  
 $filenum = fopen($filename, "w");  
 flock($filenum, LOCK_EX);  
 fwrite($filenum, $data);  
 fclose($filenum);  
 }  
?>

 以上代码是删除BOM的PHP代码。

截取的时候，可以从第四位开始截取。如果从第一、二、或者第三位截取，可能会出现乱码.

UTF-8编码中一个汉字可能会使用三个字节表示

如果有汉字，不要使用ANSI编码，否则读取的时候会出现乱码

 

ANSI编码 （百科里面的）

　　unicode和ansi都是字符代码的一种表示形式。 　　为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。 　　不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。

　　不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。

如果是英文或符号那么编码为1个字节，而且最高位为0，如果是中文那么最高位肯定为1，大小为2个字节。

 

由此看来，如果在我们的中文电脑中存储ansi的文本文件中如果有日语或者韩语的时候，有可能造成编码的冲突，也就是说我们不可能在记事本中用ansi编码存储中日韩的混合文字。电脑中的记事本是针对中文版系统开发的。如果想通用的话，那我们就得把txt文件存储成Unicode格式的文本文件。所以，如果想做国际化的东西，还是用Unicode方便。其实，现在的操作系统大部分都是用Unicode编码的，如果我们使用的是ansi编码，那么系统内部处理的时候还是得转换成Unicode，反而造成代码效率低了。还是用Unicode方便啊！

 

转载于:https://www.cnblogs.com/z497688734/p/3657171.html