PHP:检查字符串是 utf-8 还是 utf-16le

PHP: checking if string is utf-8 or utf-16le

提问人:Tamara 提问时间:3/29/2018 更新时间:3/29/2018 访问量:2483

问:

我正在编写默认以 utf-8 格式返回文档的函数,如果您提供特殊参数,它将返回 utf-16le 中的内容。我开始为这个函数编写单元测试,我不明白的是如何检查编码是“utf-8”还是“utf-16le”。我已经尝试过了,但它甚至在这个代码片段中返回:mb_detect_encodingfalse

  $utf16Doc = mb_convert_encoding($doc, "utf-16le", "utf8");
  $test = mb_detect_encoding($utf16Doc, "utf-16le");
  var_dump($test);

欣赏任何想法,如何检查编码是 utf-16le 而不是 utf-8。

php utf-16le mb-convert-编码

评论

0赞 Tom Blodget 3/30/2018
您不需要检测编码,只需检查它是否符合测试用例的期望即可。

答:

5赞 A l w a y s S u n n y 3/29/2018 #1

一种通过 BOM 检测文件的 UTF-8/16/32 的简单方法(不适用于字符串或没有 BOM 的文件)

<?php
// Unicode BOM is U+FEFF, but after encoded, it will look like this.
define ('UTF32_BIG_ENDIAN_BOM'   , chr(0x00) . chr(0x00) . chr(0xFE) . chr(0xFF));
define ('UTF32_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE) . chr(0x00) . chr(0x00));
define ('UTF16_BIG_ENDIAN_BOM'   , chr(0xFE) . chr(0xFF));
define ('UTF16_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE));
define ('UTF8_BOM'               , chr(0xEF) . chr(0xBB) . chr(0xBF));

function detect_utf_encoding($filename) {

    $text = file_get_contents($filename);
    $first2 = substr($text, 0, 2);
    $first3 = substr($text, 0, 3);
    $first4 = substr($text, 0, 3);

    if ($first3 == UTF8_BOM) return 'UTF-8';
    elseif ($first4 == UTF32_BIG_ENDIAN_BOM) return 'UTF-32BE';
    elseif ($first4 == UTF32_LITTLE_ENDIAN_BOM) return 'UTF-32LE';
    elseif ($first2 == UTF16_BIG_ENDIAN_BOM) return 'UTF-16BE';
    elseif ($first2 == UTF16_LITTLE_ENDIAN_BOM) return 'UTF-16LE';
}
?>

所以现在你可以这样尝试,

 $utf16Doc = mb_convert_encoding($doc, "utf-16le", "utf8");
 $test = detect_utf_encoding($utf16Doc);
 var_dump($test);

明确说明:这不是我自己的书面答复。我刚刚在 php.net 官方网站上找到了它,用户 http://php.net/manual/en/function.mb-detect-encoding.php#68607。希望这会以某种方式对您有所帮助mb_detect_encoding

评论

0赞 rabudde 3/6/2023
我明白,这不是你的答案,但不应该使用 3 个字节吗?$first4 = substr($text, 0, 4)