在 mac 上转换为使用 excel 制作的 utf-8 csv 文件的问题

Question

我是一个编码新手。 我有一个允许用户上传 csv 文件的 php 文件。

我的问题是，当使用 excel for mac 创建文件时，如果文件包含重音字母等 utf-8 字符，我的代码将无法正常工作。基本上它会忽略重音字符。

仅当使用Comma separated values 选项保存文件时才会出现此问题。

在所有其他情况下，例如在 windows 中创建文件或使用 open office 甚至是 mac 上的 excel，但将它们保存为“windows”文件不会导致任何问题。

mb_detect_encoding 为导致问题的文件返回 false。

代码如下：

// say there is the word Nestlé in the file
$content = file_get_contents(addslashes($file_name));

var_dump(mb_detect_encoding($content)); // print false


$data  = mb_convert_encoding($content, 'UTF-8', mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
            //$data  = utf8_encode($content);  //doesn't work

var_dump($data); // print Nestl

ini_set('auto_detect_line_endings',TRUE);

// more code here we don't need at the moment

这个问题给了我一些暗示：file_get_contents() Breaks Up UTF-8 Characters

关于如何解决这个问题的任何帮助或想法？提前谢谢你

这是 Anthony 发布响应后的新代码

$content = file_get_contents(addslashes($file_name));
// i have no control on how the file is generated so i need to to the replace in the code
$content = str_replace(",", "\t",  $content);
var_dump($content);
$data  = mb_convert_encoding($content, 'UTF-8', mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));


$data =  mb_convert_encoding($data, 'UTF-16LE', 'UTF-8');
$data = chr(255) . chr(254) . $data;

var_dump($data); // this still print funny characters not the accented letter

我做错了吗？

Answer 1

好的，谢谢 Anthony，下面是修复它的行：

$data = iconv('macintosh', 'UTF-8', $content);

所以我的最终代码将如下所示：

enter code here

$content = file_get_contents(addslashes($file_name));

var_dump(mb_detect_encoding($content));
// need to do this for an issue specific to Excel and more common on Excel for Mac
// using excel on mac if the file is saved as csv using the Comma separated values option we need to use iconv and not mb_convert_encoding
// we use mb_detect_encoding because the content of such file returns a false value
if(!mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true)){
     //$data  = mb_convert_encoding($content, 'UTF-8', mb_detect_encoding($content, 'UTF-8, ISO-8859-1', 'macintosh', true));

      $data = iconv('macintosh', 'UTF-8', $content);


 } 
    // deal with known encoding types
 else{
         $data  = mb_convert_encoding($content, 'UTF-8', mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
 }

Answer 2

这是 Excel 特有的问题，在 Excel for Mac 上更为常见，其中 UTF-8 多字节字符无法正确显示。您可以使用其他电子表格查看器进行确认，例如 Google 表格。

解决方法是：

1. 使用制表符 (\t) 而不是逗号作为分隔符（别担心，技术上它仍然是 CSV）。

2. 编码为utf-8后，将整个csv字符串转为UTF-16LE：

   mb_convert_encoding($csv_content, 'UTF-16LE', 'UTF-8');

3. 用 little-endian 字节顺序标记 (LE BOM) 为 csv 字符串添加前缀：

   $csv_content = chr(255) . chr(254) . $csv_content;

应该这样做。