Question

在函数mb_detect_encoding中有一个严格模式的参数。

在第一个最受欢迎的评论中：

<?php
$str = 'áéóú'; // ISO-8859-1
mb_detect_encoding($str, 'UTF-8'); // 'UTF-8'
mb_detect_encoding($str, 'UTF-8', true); // false

这是真的，是的。但有人可以给我一个解释，为什么呢？

Answer 1

此答案中的所有内容均基于我对代码here和here的阅读。

我没有写它，我没有用调试器单步执行它，这只是我的解释。

似乎意图用于严格模式来检查整个字符串是否对编码有效，而非严格模式允许可以的子序列是一个有效字符串的一部分。例如，如果字符串以多字节字符的第一个字节结束，它在严格模式下不匹配但在非严格条件下仍然符合UTF-8的条件模式。

然而似乎有一个错误*在非严格模式下，在某些情况下只检查字符串的第一个字节。

示例：

UTF-8中不允许使用字节0xf8。当放置在字符串mb_detect_encoding()的开头时，无论使用哪种模式，都会正确地返回false。

$str = "\xf8foo"; var_dump( mb_detect_encoding($str, 'UTF-8'), // bool(false) mb_detect_encoding($str, 'UTF-8', true) // bool(false) );

但只要前导字节可能出现在UTF-8序列中的任何地方，非严格模式就会返回UTF-8。

$str = "foo\xf8"; var_dump( mb_detect_encoding($str, 'UTF-8'), // string(5) "UTF-8" mb_detect_encoding($str, 'UTF-8', true) // bool(false) );

因此，当您的ISO-8859-1字符串'áéóú'无效UTF-8时，第一个字节"\xe1"可能出现在UTF-8中，mb_detect_encoding()错误地返回字符串，因此

* _{我在https://bugs.php.net/bug.php?id=72933}
打开了一份报告

Answer 2

ISO-8859-1中的

áéóú编码为：

e1 e9 f3 fa

如果您将其误解为UTF-8，则只会获得四个无效字节序列。 Multi-Byte扩展基本上是为忽略错误而设计的。例如，mb_convert_encoding()会将这些序列替换为question marks或您使用mb_substitute_character()设置的任何内容。

我有根据的猜测是严格的编码决定了无效字节序列应该做什么：

false表示删除它们
true意味着保留他们

如果您忽略这些无效序列，您显然会丢弃极有价值的信息，而您只能在非常有限的情况下获得明智的结果，例如

$str = chr(81);
var_dump( mb_detect_encoding($str, ['ISO-8859-1', 'Windows-1252']) );
var_dump( mb_detect_encoding($str, ['Windows-1252', 'ISO-8859-1']) );

总而言之，mb_detect_encoding()通常不会像您那样有用，而且它与默认参数的总垃圾一样。

Answer 3

因为$str不是实际UTF-8，而是ISO-8859-1。由于未进行严格比较，UTF-8可能与ISO-8859-1相同，但在使用严格模式时，只有实际UTF-8适合UTF-8比较（explained here）< / p>

PHP函数mb_detect_encoding严格模式

3 个答案: