php – 智能引号未正确转换为UTF8

发布时间：2020-12-13 21:45:45 所属栏目：PHP教程来源：网络整理

导读：我有一个 PHP脚本,可以导入和解析XML文件并将数据保存到数据库中：数据库排序规则：utf8_general_ci,charset：utf8 Page’s charset：utf-8 XML文件：ANSI,包含智能引号(来自MS Word) 因此,在导入期间,我会在保存到数据库中并随后在页面上显示之前对XML文件

我有一个 PHP脚本,可以导入和解析XML文件并将数据保存到数据库中：

>数据库排序规则：utf8_general_ci,charset：utf8
> Page’s charset：utf-8
> XML文件：ANSI,包含智能引号(来自MS Word)

因此,在导入期间,我会在保存到数据库中并随后在页面上显示之前对XML文件中的文本执行utf8_encode().

但成功导入后,保存到DB中,

>数据库：智能报价保存为？角色(从CMD看)
>页面：智能引号显示为方框

关于为什么智能引号没有被正确转换的任何想法,即使使用utf8_encode()？

编辑：

@Tomalak：XML??文件实际上是.txt,没有XML声明(<？xml ...？>),没有根元素.我的脚本实际上添加了一个根元素,以便解析器工作：

utf8_encode(‘< article>‘.file_get_contents($xmlfile).’< / article>‘);

好像我需要添加一个XML声明..？如果是这样,它应该怎么样？

解决方法

如果您的XML字符串(即文件内容)未编码为UTF-8,则需要一个表示文件编码的XML声明.如果缺少XML声明,解析器将采用UTF-8.

只要您不使用“特殊”字符(即ASCII范围之外的任何字符),即使您的文件不是真正的UTF-8编码,它也可以在没有声明的情况下工作.这是因为UTF-8与ASCII字节兼容.但是,只要在其中一个代码页上使用字符 – 比如“智能引号” – 它就会中断,因为它们由UTF-8中的不同字节表示.

在您的情况下,遗留编码中有一些文本文件,您可以使用根元素进行包装,以将它们转换为格式良好的XML.因此,您需要自己添加XML声明：

'<?xml encoding="Windows-1252"?><article>'.file_get_contents($xmlfile).'</article>'

这样,您可以指示DOMDocument如何解释字符串中的字节.我为你假设了Windows-1252,因为你说ANSI并提到了卷曲引号.

事实上,95％的时间这是人们真正的意思,即使在Linux上,即使他们说的是ISO-8859-1(或latin-1),这几乎是,但不完全相同.

为了确保您可以在十六进制编辑器中打开文本文件,找到一些特殊字符并将其字节值与可疑编码进行比较.对于Windows-1252.对于卷曲引号,预期的字节值将是：

>“147(0x93)
>“148(0x94)

一旦声明了字符串中单个字节的含义,DOMDocument就可以理解它们并做正确的事情.

在数据库中,我强烈怀疑存在一些自动编码转换.我承认我对PHP / mySQL / Unicode集成的了解不够.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!