如何区分 PHP 中的 MacRoman 和 Windows-1251 编码？

Posted 2023-05-07

【中文标题】如何区分 PHP 中的 MacRoman 和 Windows-1251 编码？

【英文标题】：How to differentiate between MacRoman and Windows-1251 encodings in PHP?

【发布时间】：2011-04-26 18:19:53

【问题描述】：

我现在正在抓头发几天。我用谷歌搜索和*** 很多都没有成功。

我正在从 csv 文件导入一些数据。此 CSV 文件是在 Windows 或 Mac 上的 Excel 中生成的，它提供了 2 种不同的编码“Windows-1251”和“MacRoman”。两者都是 ISO-8859-1 的变体，mb_detect_encoding 没有帮助：它总是检测我放入列表中的第一个编码。

例如：

mb_detect_encoding($buffer, 'macroman, windows-1251, UTF-8');

会给出“宏指令”。

使用相同的字符串，尝试：

mb_detect_encoding($buffer, 'windows-1251, macroman, UTF-8');

将给出“window-1251”。

那么你怎样才能正确地做出改变呢？我需要将我的输入字符串（csv 文件内容）转换为 utf-8 以插入数据库。

也许我错过了什么？你们通常如何设法解析csv文件，并将数据正确保存在DB（utf8）中。

感谢您提供任何线索！

【问题讨论】：

你从哪里得到这个 csv 文件？如果来自站点 - 也许在标题中声明的字符集？如果手动上传 - 也许可以在上传之前更改文件的编码？

您的数据实际上是否包含任何非纯 ascii（高于 0x7F 的字符代码）的内容，或者您​​实际上是否有一个 ISO-8859-1 字符和另一个有西里尔文？

我不会信任 mb_detect_encoding() 并允许用户选择数据源。根据数据文件中的内容，mb_detect_encoding() 可能会也可能不会产生好的结果。

该文件的 Windows 版本是通过电子邮件发送给我的，当我在 Textmate 中打开它时，它告诉我它是 ISO-8859-1。如果我打开我自己在 Mac 上生成的版本，它会告诉我 MacRoman。到现在为止还挺好。数据主要包含 ISO-8859-15 字母（法语字母如 éèêàùôç...）。然后我将文件上传到我的 webapp 并尝试转换为 utf8。 utf8_encode 适用于文件的 windows 版本， iconv('MacRoman', 'UTF-8', $fileContent) 适用于 Mac 版本。到目前为止，感谢您的 cmets。

【参考方案1】：

我认为确保正确处理此问题的唯一方法是首先定义保存 csv 文件的过程。然后你只需要 utf8_encode 进来的东西就可以了......

【讨论】：

保存 csv 文件的过程？你的意思是在创建它时，还是在将它保存在 Web 服务器文件系统上时？对于前者，我不能指望我的客户能正确地做到这一点，但我可以将自己的文件保存在 latin1 中，你如何从 Excel 中做到这一点？ （我有 Excel Mac 2008）

我的意思是，在 mac 上创建文件的人应该始终“另存为 windows csv 文件”或类似的东西，以确保编码是一致的。

我已经很长时间没有玩这个了，但是我们在没有（不可靠的）mb_detect_encoding() 的情况下将 csv 导入到 db 工作正常，只使用 fgetcsv() 和 utf8_encode()。

基本上，我的意思是没有好的自动化方法来找出我们面临的编码，所以我们需要告诉用户“确保你输出这种编码，否则所有的地狱都会崩溃”;)

谢谢，我想这是最务实的解决方案。当你问你的客户“确保......”时，你知道它是多么“不可靠”，但是嘿，我别无选择；）