PHP scandir() 和 htmlentities()：字符集和/或特殊字符的问题

Question

我正在使用jqueryFileTree 在服务器上显示目录列表，其中包含指向目录中文件的下载链接。 最近我遇到了包含特殊字符的文件的问题：

• test.pdf：工作正常
• tést.pdf：不起作用（注意文件名中的 é - 重音符号）

在调试 jqueryFileTree 的 php 连接器时，我看到它正在对通过 $_GET 传递的目录执行 scandir()，然后循环遍历目录的每个文件/目录。 在将文件名解析为 url 之前，脚本似乎正确地对文件名执行了 htmlentities() 。 问题似乎是这个 htmlentities($file) 调用只返回一个空字符串，根据php docs 这可能是输入字符串在给定编码中包含无效代码单元的情况。但是我尝试通过调用隐式传递字符集：

$file = htmlentities($file,ENT_QUOTES,'UTF-8');

但这也返回一个空字符串。

如果我打电话： $file = htmlentities($file,ENT_IGNORE,'UTF-8'); e 锐角字符刚刚被删除（因此 tést.pdf 变为 tst.pdf）

使用 xdebug 调试我的 php 脚本时，我可以看到源字符串包含一个未知字符（看起来像 this）。

所以我很想在这里找到解决方案。 欢迎任何帮助。

仅供参考：

• 我页面的字符集是 UTF-8（在元数据中指定）
• 文件存储在 Windows 2003 文件服务器上，scandir() 使用 UNC 路径执行（例如 //fileserver/sharename/sourcedir）
• 我的 php.ini 中的默认编码设置为 UTF-8
• 网络服务器和 PHP 5.4.26 正在 Windows 2008 R2 服务器上运行

Answer 1

我最好的猜测是文件名本身没有使用 UTF-8。或者至少scandir() 不会那样接受它。

也许mb_detect_encoding() 可以解释一下？

var_dump(mb_detect_encoding($filename));

如果不是，尝试猜测编码（CP1252 或 ISO-8859-1 是我的第一个猜测）并将其转换为 UTF-8，看看输出是否有效：

var_dump(mb_convert_encoding($filename, 'UTF-8', 'Windows-1252'));
var_dump(mb_convert_encoding($filename, 'UTF-8', 'ISO-8859-1'));
var_dump(mb_convert_encoding($filename, 'UTF-8', 'ISO-8859-15'));

或者使用iconv():

var_dump(iconv('WINDOWS-1252', 'UTF-8', $filename));
var_dump(iconv('ISO-8859-1',   'UTF-8', $filename));
var_dump(iconv('ISO-8859-15',  'UTF-8', $filename));

然后，当您弄清楚实际使用哪种编码时，您的代码应该看起来像这样（假设为 CP1252）：

$filename = htmlentities(mb_convert_encoding($filename, 'UTF-8', 'Windows-1252'), ENT_QUOTES, 'UTF-8');