php utf-8编码问题

Question

大家好： 我在这里遇到了一个棘手的问题：我需要读取一些文件并将其内容转换为一些 XML 文件。对于文件中的每一行，我相信其中大多数都是有效的 ASCII 代码，因此我可以将该行读入 php 并将其保存到 XML 文件中，默认编码 XML 为“UTF-8”。但是，我注意到原始文件中可能存在一些GBK、GB2312（汉字）、SJIS（日文字符）等，php直接将字符串保存到XML中没有问题。但是，XML 解析器会检测到无效的 UTF-8 代码并崩溃。

现在，我认为最适合我目的的 php 库函数可能是：

 $decode_str = mb_convert_encoding($str, 'UTF-8', 'auto');

在将每一行插入 XML 之前，我尝试为每一行运行此对话函数。但是，当我使用一些 UTF-16 和 GBK 编码进行测试时，我认为该函数无法正确区分输入字符串编码模式。

另外，我尝试使用 CDATA 来包装字符串，奇怪的是 XML 解析器仍然抱怨无效的 UTF-8 代码等。当然，当我 vim xml 文件时，CDATA 里面的内容肯定是一团糟。

有什么建议吗？

Answer 1

我曾经花了很多时间创建一个安全的 UTF8 编码函数< /a>：

function _convert($content) {
    if(!mb_check_encoding($content, 'UTF-8')
        OR !($content === mb_convert_encoding(mb_convert_encoding($content, 'UTF-32', 'UTF-8' ), 'UTF-8', 'UTF-32'))) {

        $content = mb_convert_encoding($content, 'UTF-8');

        if (mb_check_encoding($content, 'UTF-8')) {
            // log('Converted to UTF-8');
        } else {
            // log('Could not be converted to UTF-8');
        }
    }
    return $content;
}

主要问题是找出输入字符串已经使用的编码。请告诉我我的解决方案是否也适合您！

Answer 2

我在使用 json_encode 时遇到了这个问题。我用它把所有东西都转成utf8。
来源： https://www.php.net/manual/en/ function.json-encode.php

function ascii_to_entities($str) 
    { 
       $count    = 1; 
       $out    = ''; 
       $temp    = array(); 
    
       for ($i = 0, $s = strlen($str); $i < $s; $i++) 
       { 
           $ordinal = ord($str[$i]); 
    
           if ($ordinal < 128) 
           { 
                if (count($temp) == 1) 
                { 
                    $out  .= '&#'.array_shift($temp).';'; 
                    $count = 1; 
                } 
            
                $out .= $str[$i]; 
           } 
           else 
           { 
               if (count($temp) == 0) 
               { 
                   $count = ($ordinal < 224) ? 2 : 3; 
               } 
        
               $temp[] = $ordinal; 
        
               if (count($temp) == $count) 
               { 
                   $number = ($count == 3) ? (($temp['0'] % 16) * 4096) + 
(($temp['1'] % 64) * 64) + 
($temp['2'] % 64) : (($temp['0'] % 32) * 64) + 
($temp['1'] % 64); 

                   $out .= '&#'.$number.';'; 
                   $count = 1; 
                   $temp = array(); 
               } 
           } 
       } 

       return $out; 
    }