PHP 将 Windows-1257 编码为 UTF-8 错误

Question

我在将 Windows-1257 文件转换为 UTF-8 时遇到了问题。原文件有 <?xml version="1.0" encoding="windows-1257"?> 在顶部，我尝试使用以下代码对其进行转换：

iconv_set_encoding("internal_encoding", "UTF-8");
iconv_set_encoding("output_encoding", "ISO-8859-1");

$baltic_xml = file_get_contents($remote_file);
$unicode_xml = iconv("UTF-8", "UTF-8//IGNORE", $baltic_xml);
file_put_contents('data/rmtools/import/utf8/'.$files_single, $unicode_xml);

它将文件保存为 UTF-8，但是当我打开这个文件时，我仍然收到错误：

XML 解析错误：输入不是正确的 UTF-8，表示编码！字节数：0x04 0x50 0x72 0x65

是否有任何适当的方法可以将其转换为可读的 UTF-8，或者这意味着文件中仍有一些符号不在 UTF-8 上？

Answer 1

您正在尝试将UTF8 转换为UTF8//IGNORE，这就是您收到该错误的原因。第一个参数是 in_charset。 iconv on PHP.net请改

$unicode_xml = iconv("UTF-8", "UTF-8//IGNORE", $baltic_xml);

到

$unicode_xml = iconv("CP1257", "UTF-8//IGNORE", $baltic_xml);

但是我个人建议您使用mb_*，因为 iconv 很大程度上依赖于您的操作系统对 iconv 的实现，并且可以显示操作系统之间的差异，另一方面，mb_* 是纯 php 扩展并且是一致的。让您的代码使用 mb_* 将整个更改为

ini_set('mbstring.substitute_character','none'); //to remove the unknown characters, in place of //IGNORE in iconv
$baltic_xml = file_get_contents($remote_file);
$unicode_xml = iconv("UTF-8", "UTF-8//IGNORE", $baltic_xml);
$unicode_xml = utf8_encode($unicode_xml); //to correct utf-8 bytes
$unicode_xml = preg_replace('/[^\PC\s]/u', '', $unicode_xml); //to remove control chars in case it has
file_put_contents('data/rmtools/import/utf8/' . $files_single, $unicode_xml);

根据mb supported encodingsCP-1257 不是其中之一，您可以使用 ISO-8859-13 代替，但是请注意它们之间在某些图形字符（语言然而，根据wikipedia，字符似乎是一致的）