萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 偵測檔案編碼並自動轉碼讀取:mb_detect_encoding 增強版實作

mb_detect_encoding() 在某些環境下偵測不準。採用「嘗試轉碼後比對 MD5」策略:將檔案內容分別以候選編碼「轉回同編碼」,若 MD5 不變則判定為該編碼,再轉為目標編碼輸出。

偵測編碼函數

<?php
function detect_encoding($file) {
    $list = ['GBK', 'UTF-8', 'UTF-16LE', 'UTF-16BE', 'ISO-8859-1'];
    $str = file_get_contents($file);
    foreach ($list as $enc) {
        $tmp = mb_convert_encoding($str, $enc, $enc);
        if (md5($tmp) === md5($str)) return $enc;
    }
    return null;
}
?>

自動轉碼讀取函數

<?php
function auto_read($file, $targetCharset = 'UTF-8') {
    $list = ['GBK', 'UTF-8', 'UTF-16LE', 'UTF-16BE', 'ISO-8859-1'];
    $str = file_get_contents($file);
    foreach ($list as $enc) {
        $tmp = mb_convert_encoding($str, $enc, $enc);
        if (md5($tmp) === md5($str)) {
            return mb_convert_encoding($str, $targetCharset, $enc);
        }
    }
    return '';
}
?>

使用範例

<?php
$file = 'data.txt';
$enc = detect_encoding($file);
echo "偵測編碼:$enc\n";
$content = auto_read($file);
echo "內容(UTF-8):\n$content";
?>

原理與限制

  • 原理:合法編碼的字串「轉碼回同編碼」內容不變,MD5 一致;錯誤編碼會產生替換字元導致 MD5 改變。
  • 候選編碼順序影響結果,建議將最可能的編碼放前面。
  • 極短字串或純 ASCII 可能誤判,需輔以 BOM 檢測或人工確認。
  • 大檔案請分塊讀取或改用 fopen 串流處理。
copyright © 萬盛學電腦網 all rights reserved