在我的网站上，我允许直接上传文本文件。这些文件然后存储在服务器上，并显示在网站上。我在网站上使用UTF-8。
现在我遇到了麻烦，当人们上传非UTF-8文件包含特殊字符，如é。
我一直在做一些测试。制作了2个文本文件，都包含相同的字fiancée。一个编码UTF-8，一个编码ISO 8859-2。
UTF-8版本上传得很好，并正确显示文本，但ISO 8859-2显示为fianc�e。
现在我试着用mb_detect_encoding检测上传的文件内容，但无论我扔给它什么文件，它总是检测UTF-8。
我注意到我可以使用utf8_encode将ISO 8859-2文件转换为有效的UTF-8，但这只适用于非utf文件。由于我目前无法检测非utf文件，因此无法使用utf8_encode函数，因为它会混淆有效的UTF-8文件。
希望这是有意义的:)
所以我的问题是，我怎么能检测文件，肯定不是UTF-8编码开始，这样我就可以使用utf8_encode函数对他们。
不能。欢迎学习编码。
严肃地说，文件只是二进制blobs。文件中的位和字节可以表示任何;它可以是图像、CAD数据或者文本。这取决于如何解释字节。对于文本文件，具体表示使用哪种编码来解释它们。文件本身并没有告诉您正确的编码，您必须知道。通常，您希望从文件附带的元数据中了解它。在随机用户上传的情况下，没有元数据，并且/或者它不可靠。所以你不能 "知道"。
下一步是猜测，但这显然不是万无一失的。您可以排除某些编码，例如，如果一个文件没有被验证为UTF-8 (mb_check_encoding($data, 'UTF-8') == false)，那么它就不能是UTF-8。但是，任何单字节编码都将被验证为任何其他单字节编码。通过这种方式无法区分ISO-8859-1和ISO-8859-2，字节在两者中都是同等有效的。只是出现的角色可能不是你想要的。为了自动检测，您需要一个统计语言分析器，它可以告诉您这个字符可能不应该出现在那个单词中，以使其符合语法。显然，要做到这一点，您需要知道文件中使用的语言，或者您需要首先检测，即使这样，也很难万无一失。
最理智的方法是询问用户。接受上传，也许做一些可以排除哪些编码的预先测试，然后询问用户文件是在一堆可能的编码中。向他们展示结果，即文件被解释为所选编码时的样子，让用户确认它看起来是正确的。当您打开编码不明确的文件时，许多不错的文本编辑器都会这样做。