php，检测 utf-8 字符的可能输出编码

Question

我正在尝试将 php 字符串从 utf-8 解码为所需的编码 (iso-8859-2)。问题是，utf-8 字符串包含不适合 iso-8859-2 的字符，但从 windows-1251 转换为 utf-8（尽管它们看起来与 ISO-8859 的原生字符完全相同- 2）。这些字符由“？”表示在输出上。

如果我尝试将相同的字符串转换为 windows-1251，则会出现相同的字符，但丢失的字符分别是 iso-8859-2 的原生字符（如“ä”、“ö”等）

我从 mysql 数据库中获取字符串，需要转换为非 unicode 字符集并将它们存储到 sqlite 数据库文件中，因为要使用它们的程序不支持 unicode。

那么，我的问题是，有没有办法为 utf-8 中的字符获取可能的非 unicode 编码？我目前正在遍历整个 utf 字符串并尝试逐个解码每个字符，但 windows-1251 字符仍然丢失。

代码如下：

$string = "various charset input";

$str = str_split_unicode($string,1); // The function from the php-str_split manual page, splits utf string into an array

$handler = "";

foreach($str as $value):
    $currentChar = iconv("utf-8", "iso-8859-2", $value) or "%no%";

    if($currentChar == "%no%" ):
        $currentChar = ""; 
        $currentChar = iconv("utf-8", "windows-1251", $value) or "%no%";
    endif;

    if($currentChar != "%no%"):

        $handler .= $currentChar;
    
    else:
    
        $handler .= $value;
    
    endif;
 
endforeach;

$string = $handler;

但问号还在。

更新

感谢 CertaiN，我编辑了您提供的函数（虽然它可能变得不那么可读了），因此它将字符转换回适当的编码。

功能

    function utf8_to_multicharset($str, $encoding, $htmSupportedOutput="iso-8859-15") {

        $utf8 = preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY);
        $out = $utf8;
        mb_convert_variables($encoding, 'UTF-8', $out);

    is_array($htmSupportedOutput) or $htmSupportedOutput = explode(",",$htmSupportedOutput);

        $table = get_html_translation_table(HTML_SPECIALCHARS | ENT_QUOTES);

        foreach ($out as $i => &$char) {

            if ($char === '?' && $utf8[$i] !== '?') {

                $char = mb_convert_encoding($utf8[$i], 'HTML-ENTITIES', 'UTF-8');

            } 
            elseif (isset($table[$char])) {

                $char = $table[$char];

            }
        

        foreach($htmSupportedOutput as $o):

            $char = html_entity_decode($char,null,$o);

        endforeach;
        }

    return implode('', $out);
    }

现在它从指定编码列表中检查并将字符串转换为支持它的编码，如下所示：

示例

PHP 使用情况：

    <?php
       $string = "vatiöus charset иnput";
       $result = utf8_to_multicharset($string,"iso-8859-2","cp1252,cp1251,koi8r");
    ?>

Answer 1

您需要 HTML 实体编码吗？

功能

function utf8_to_escaped_another($str, $encoding) {
    $utf8 = preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY);
    $out = $utf8;
    mb_convert_variables($encoding, 'UTF-8', $out);
    $table = get_html_translation_table(HTML_SPECIALCHARS | ENT_QUOTES);
    foreach ($out as $i => &$char) {
        if ($char === '?' && $utf8[$i] !== '?') {
            $char = mb_convert_encoding($utf8[$i], 'HTML-ENTITIES', 'UTF-8');
        } elseif (isset($table[$char])) {
            $char = $table[$char];
        }
    }
    return implode('', $out);
}

示例

PHP 源代码

<?php

function utf8_to_escaped_another($str, $encoding) {
    $utf8 = preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY);
    $out = $utf8;
    mb_convert_variables($encoding, 'UTF-8', $out);
    $table = get_html_translation_table(HTML_SPECIALCHARS | ENT_QUOTES);
    foreach ($out as $i => &$char) {
        if ($char === '?' && $utf8[$i] !== '?') {
            $char = mb_convert_encoding($utf8[$i], 'HTML-ENTITIES', 'UTF-8');
        } elseif (isset($table[$char])) {
            $char = $table[$char];
        }
    }
    return implode('', $out);
}

header('Content-Type: text/html; charset=ISO-8859-2');

$text = <<<EOD
English: Good Morning
Arabic: صباح الخير
Japanese: おはよう
EOD;

echo '<pre>';
echo utf8_to_escaped_another($text, 'ISO-8859-2');
echo '</pre>';

HTML 视图

English: Good Morning
Arabic: صباح الخير
Japanese: おはよう

HTML 源代码

<pre>English: Good Morning
Arabic: &#1589;&#1576;&#1575;&#1581; &#1575;&#1604;&#1582;&#1610;&#1585;
Japanese: &#12362;&#12399;&#12424;&#12358;</pre>