Question

参考：这是一个自我回答的问题。它旨在分享知识，Q＆amp; A风格。

如何在PHP中检测end of line字符的类型？

PS：我从头开始编写这段代码的时间太长了，所以我决定在SO上分享它，而且，我相信有人会找到改进的方法。

Answer 1

/**
 * Detects the end-of-line character of a string.
 * @param string $str The string to check.
 * @param string $default Default EOL (if not detected).
 * @return string The detected EOL, or default one.
 */
function detectEol($str, $default=''){
    static $eols = array(
        "\0x000D000A", // [UNICODE] CR+LF: CR (U+000D) followed by LF (U+000A)
        "\0x000A",     // [UNICODE] LF: Line Feed, U+000A
        "\0x000B",     // [UNICODE] VT: Vertical Tab, U+000B
        "\0x000C",     // [UNICODE] FF: Form Feed, U+000C
        "\0x000D",     // [UNICODE] CR: Carriage Return, U+000D
        "\0x0085",     // [UNICODE] NEL: Next Line, U+0085
        "\0x2028",     // [UNICODE] LS: Line Separator, U+2028
        "\0x2029",     // [UNICODE] PS: Paragraph Separator, U+2029
        "\0x0D0A",     // [ASCII] CR+LF: Windows, TOPS-10, RT-11, CP/M, MP/M, DOS, Atari TOS, OS/2, Symbian OS, Palm OS
        "\0x0A0D",     // [ASCII] LF+CR: BBC Acorn, RISC OS spooled text output.
        "\0x0A",       // [ASCII] LF: Multics, Unix, Unix-like, BeOS, Amiga, RISC OS
        "\0x0D",       // [ASCII] CR: Commodore 8-bit, BBC Acorn, TRS-80, Apple II, Mac OS <=v9, OS-9
        "\0x1E",       // [ASCII] RS: QNX (pre-POSIX)
        //"\0x76",       // [?????] NEWLINE: ZX80, ZX81 [DEPRECATED]
        "\0x15",       // [EBCDEIC] NEL: OS/390, OS/400
    );
    $cur_cnt = 0;
    $cur_eol = $default;
    foreach($eols as $eol){
        if(($count = substr_count($str, $eol)) > $cur_cnt){
            $cur_cnt = $count;
            $cur_eol = $eol;
        }
    }
    return $cur_eol;
}

备注：

需要检查编码类型

~~需要以某种方式知道我们可能在ZX8x之类的奇异系统上（因为ASCII x76是常规字母）~~ @radu提出了一个好点，在我的情况下，它不值得努力很好地处理ZX8x系统。

我应该将该功能拆分为两个吗？ mb_detect_eol()（多字节）和detect_eol()

Answer 2

更换everything except new lines using regex会不会更容易？

_{点匹配单个字符，而不关心该字符是什么。唯一的例外是换行符。}

考虑到这一点，我们做了一些魔术：

$string = 'some string with new lines';
$newlines = preg_replace('/.*/', '', $string);
// $newlines is now filled with new lines, we only need one
$newline = substr($newlines, 0, 1);

不确定我们是否可以信任正则表达式来完成所有这些，但我没有任何可以测试的东西。

enter image description here

Answer 3

这里已经给出的答案为用户提供了足够的信息。以下代码（基于已经给出的答案）可能会有所帮助：

它提供了找到的EOL

的参考

检测还设置了一个应用程序可用于此参考的密钥。

它显示了如何在实用程序类中使用引用。

显示如何使用它来检测返回找到的EOL的密钥名称的文件。

我希望这对大家都有用。

/**
Newline characters in different Operating Systems
The names given to the different sequences are:
============================================================================================
NewL  Chars       Name     Description
----- ----------- -------- ------------------------------------------------------------------
LF    0x0A        UNIX     Apple OSX, UNIX, Linux
CR    0x0D        TRS80    Commodore, Acorn BBC, ZX Spectrum, TRS-80, Apple II family, etc
LFCR  0x0A 0x0D   ACORN    Acorn BBC and RISC OS spooled text output.
CRLF  0x0D 0x0A   WINDOWS  Microsoft Windows, DEC TOPS-10, RT-11 and most other early non-Unix
                          and non-IBM OSes, CP/M, MP/M, DOS (MS-DOS, PC DOS, etc.), OS/2,
----- ----------- -------- ------------------------------------------------------------------
*/
const EOL_UNIX    = 'lf';        // Code: \n
const EOL_TRS80   = 'cr';        // Code: \r
const EOL_ACORN   = 'lfcr';      // Code: \n \r
const EOL_WINDOWS = 'crlf';      // Code: \r \n

然后在静态类Utility中使用以下代码来检测

/**
Detects the end-of-line character of a string.
@param string $str      The string to check.
@param string $key      [io] Name of the detected eol key.
@return string The detected EOL, or default one.
*/
public static function detectEOL($str, &$key) {
   static $eols = array(
     Util::EOL_ACORN   => "\n\r",  // 0x0A - 0x0D - acorn BBC
     Util::EOL_WINDOWS => "\r\n",  // 0x0D - 0x0A - Windows, DOS OS/2
     Util::EOL_UNIX    => "\n",    // 0x0A -      - Unix, OSX
     Util::EOL_TRS80   => "\r",    // 0x0D -      - Apple ][, TRS80
  );

  $key = "";
  $curCount = 0;
  $curEol = '';
  foreach($eols as $k => $eol) {
     if( ($count = substr_count($str, $eol)) > $curCount) {
        $curCount = $count;
        $curEol = $eol;
        $key = $k;
     }
  }
  return $curEol;
}  // detectEOL

然后是文件：

/**
Detects the EOL of an file by checking the first line.
@param string  $fileName    File to be tested (full pathname).
@return boolean false | Used key = enum('cr', 'lf', crlf').
@uses detectEOL
*/
public static function detectFileEOL($fileName) {
   if (!file_exists($fileName)) {
     return false;
   }

   // Gets the line length
   $handle = @fopen($fileName, "r");
   if ($handle === false) {
      return false;
   }
   $line = fgets($handle);
   $key = "";
   <Your-Class-Name>::detectEOL($line, $key);

   return $key;
}  // detectFileEOL

将您的类名称更改为您的实现类名称（所有静态成员）。

Answer 4

我的回答是因为我无法让ohaal的一个或transilvlad的作品完成，是：

function detect_newline_type($content) {
    $arr = array_count_values(
               explode(
                   ' ',
                   preg_replace(
                       '/[^\r\n]*(\r\n|\n|\r)/',
                       '\1 ',
                       $content
                   )
               )
           );
    arsort($arr);
    return key($arr);
}

说明：

两种提议的解决方案中的总体思路都很好，但实施细节阻碍了这些答案的有用性。

事实上，此功能的目的是返回文件中使用的换行符，该换行符可以是一个或两个字符长。

仅此一项就会导致str_split()的使用不正确。正确剪切标记的唯一方法是使用一个函数来切割具有可变长度的字符串，而不是基于字符检测。那是explode()发挥作用的时候。

但是要提供有用的标记来爆炸，有必要通过正确的匹配来替换正确数量的正确字符。大多数魔法都发生在正则表达式中。

必须考虑3分：

ohaal

.*

.

\r

.

用任何东西替换/[^\r\n]*/将“起作用”以使文本消失，但是一旦我们想要一个分隔符就会出现问题（因为我们删除所有字符但是换行符，任何字符都不是'换行将是有效的分隔符）。因此，想要创建与换行符匹配，并在替换中使用该匹配的反向引用。
在内容中，可能会有多个换行符连续出现。但是，我们不希望在这种情况下对它们进行分组，因为它们将被其余代码视为不同类型的换行符。这就是为什么新线的列表在反向引用的匹配中明确说明。

Answer 5

基于奥哈尔的回答。

这可以为EOL返回一个或两个字符，如LF，CR + LF ..

  $eols = array_count_values(str_split(preg_replace("/[^\r\n]/", "", $string)));
  $eola = array_keys($eols, max($eols));
  $eol = implode("", $eola);

Answer 6

如果您只关心LF / CR，这是我写的一种方法。无需处理您从未见过的所有可能的文件情况。

/**
 * @param  string  $path
 * @param  string  $format  real or human_readable
 * @return false|string
 * @author Sorin-Iulian Trimbitas
 */
public static function getLineBreak(string $path, $format = 'real')
{
    // Hopefully my idea is ok, the rest of the stuff from the internet doesn't seem to work ok in some cases
    // 1. Take the first line of the CSV
    $file = new \SplFileObject($path);
    $line = $file->getCurrentLine();
    // Do we have an empty line?
    if (mb_strlen($line) == 1) {
        // Try the next line
        $file->next();
        $line = $file->getCurrentLine();
        if (mb_strlen($line) == 1) {
            // Give up
            return false;
        }
    }
    // What does we have at its end?
    $last_char = mb_substr($line, -1);
    $penultimate_char = mb_substr($line, -2, 1);
    if ($last_char == "\n" || $last_char == "\r") {
        $real_format = $last_char;
        if ($penultimate_char == "\n" || $penultimate_char == "\r") {
            $real_format = $penultimate_char.$real_format;
        }
        if ($format == 'real') {
            return $real_format;
        }
        return str_replace(["\n", "\r"], ['LF', 'CR'], $real_format);
    }
    return false;
}

使用PHP检测EOL类型

6 个答案:

说明：