检测PHP中正确的字符编码 - Detecting the right character encoding in PHP?

Detecting the right character encoding in PHP?

本文关键字：字符编码 PHP 检测 | 更新日期: 2023-09-27

我试图检测字符串的字符编码，但我无法得到正确的结果。
例如:

$str = "&euro; &sbquo; &fnof; &bdquo; &hellip;" ;
$str = mb_convert_encoding($str, 'Windows-1252' ,'HTML-ENTITIES') ;
// Now $str should be a Windows-1252-encoded string.
// Let's detect its encoding:
echo mb_detect_encoding($str,'Windows-1252, ISO-8859-1, UTF-8') ;

该代码输出ISO-8859-1，但它应该是Windows-1252。

这是怎么回事?

编辑:

更新的示例，以响应@raina77ow.

$str = "&euro;&sbquo;&fnof;&bdquo;&hellip;" ; // no white-spaces
$str = mb_convert_encoding($str, 'Windows-1252' ,'HTML-ENTITIES') ;
$str = "Hello $str" ; // let's add some ascii characters
echo mb_detect_encoding($str,'Windows-1252, ISO-8859-1, UTF-8') ;

我又得到了错误的结果

PHP中Windows-1252的问题是它几乎永远不会被检测到，因为只要您的文本包含0x80到0x9f以外的任何字符，它就不会被检测到Windows-1252。

这意味着如果你的字符串包含一个普通的ASCII字母，比如" a "，或者甚至是一个空格字符，PHP会说这不是有效的Windows-1252，在你的情况下，会退回到下一个可能的编码，也就是ISO 8859-1。

尽管使用ISO-8859-1和CP-1252编码的字符串具有不同的字节码表示:

<?php
$str = "&euro; &sbquo; &fnof; &bdquo; &hellip;" ;
foreach (array('Windows-1252', 'ISO-8859-1') as $encoding)
{
    $new = mb_convert_encoding($str, $encoding, 'HTML-ENTITIES');
    printf('%15s: %s detected: %10s explicitly: %10s',
        $encoding,
        implode('', array_map(function($x) { return dechex(ord($x)); }, str_split($new))),
        mb_detect_encoding($new),
        mb_detect_encoding($new, array('ISO-8859-1', 'Windows-1252'))
    );
    echo PHP_EOL;
}

结果:

Windows-1252: 802082208320842085 detected:            explicitly: ISO-8859-1
  ISO-8859-1: 3f203f203f203f203f detected:      ASCII explicitly: ISO-8859-1

…从这里我们可以看到，mb_detect_encoding的第二个参数似乎有问题。使用mb_detect_order代替parameter会得到非常相似的结果。