将文件内容输出为 UTF-8 会导致字符编码问题

Posted 2023-02-16

【中文标题】将文件内容输出为 UTF-8 会导致字符编码问题

【英文标题】：Outputting file contents as UTF-8 leads to character encoding issues

【发布时间】：2014-01-15 08:13:33

【问题描述】：

我将标题设置如下：

header( 'Content-Type: text/html; charset="utf-8"' );

然后使用以下代码段将我服务器上的本地文件输出到浏览器：

$content = file_get_contents($sPath);
$content = mb_convert_encoding($content, 'UTF-8');
echo $content;

我在服务器上的文件是由 lua 创建的，因此，以下输出是 FALSE（转换前）：

var_dump( mb_detect_encoding($content) );

这些文件包含一些字符，如™ (™) 等，这些字符在浏览器中显示为纯方框。我已经阅读了以下被建议为类似问题的主题，并且我的代码中的任何变化都没有帮助：

php File Get Contents & String Encoding（在我的情况下没有 gzip，文件很简单 .txts） file_get_contents() Breaks Up UTF-8 Characters（尝试了前两个***解决方案，但均无效。第三个不适用于我的情况） file_get_contents() converts UTF-8 to ISO-8859-1（没有流作为上下文提供）

当我简单地使用以下时似乎没有问题：

header( 'Content-Type: text/html; charset="iso-8859-1"' );
// setting path here
$content = file_get_contents($sPath);
echo $content;

【问题讨论】：

该字符串似乎是有效的 iso-8859-1。您是否尝试过简单的 utf8_encode 而不是 mb_convert_encoding？

@db-mobile 是的，我确实尝试过。结果还是那个方块。

您的浏览器显示检测到的编码是什么？

@db-mobile Opera Dragonfly 将字符集检测为 UTF-8

您是否也尝试过不进行转换就输出文件？

【参考方案1】：

当我简单地使用以下时似乎没有问题：

header( 'Content-Type: text/html; charset="iso-8859-1"' );
// setting path here
$content = file_get_contents($sPath);
echo $content;

所以这意味着文件内容实际上是用 ISO-8859-1 编码的。如果您想将其输出为 UTF-8，则从 ISO-8859-1 显式转换为 UTF-8：

$content = mb_convert_encoding($content, 'UTF-8', 'ISO-8859-1');

你总是需要知道你从什么转换。只是告诉 PHP “转换为 UTF-8”并让它猜测要转换的内容 从 有一个未定义的结果，在你的情况下它不起作用。

【讨论】：

但是mb_detect_encoding($content) 的结果是假的。

mb_convert_encoding($content, 'UTF-8', 'ISO-8859-1'); 也不起作用。

永远不要指望mb_detect_encoding 所说的任何东西，以任何程度的准确度检测编码基本上是不可能的。您首先需要知道的是文件的实际编码是什么。如果不知道，您将无法到达任何地方。

file --mime myfile.txt 给出：text/plain; charset=unknown-8bit。正如我所说，这些文件是用 lua 创建的。

即使是 lua 也必须以 some 已知的指定编码写入文件。弄清楚那是什么。也许你可以让它直接写UTF-8。

【参考方案2】：

检查文件编码，是utf-8 without BOM吗？例如，使用 notepad++ 检查文件编码。

或者也许有用：

$content = file_get_contents($sPath);
$content = htmlentities($content);
echo $content;

或在 .htaccess 中尝试：

AddDefaultCharset utf-8
AddCharset utf-8 *
<IfModule mod_charset.c>
    CharsetSourceEnc utf-8
    CharsetDefault utf-8
</IfModule>

【讨论】：

命令 file 02_01_2014.txt 返回：非 ISO 扩展 ASCII 文本，行很长

对于转换，您可以使用iconv，它是从GNU/Linux 上的libc 包安装或重新编码的。 recode 有更多选项和更好的错误处理。也许它对你有用？

我无法转换磁盘上的文件。对不起。 :(

这没有任何结果。根本没有输出。使用htmlentities 或htmlspecialchars

你有什么错误吗？如果我理解正确，您想将浏览器中的普通方框替换为普通符号吗？