Ã和其他代码

Question

我有一个充满了这些代码的文件，我想把它“翻译”成普通的字符（我的意思是整个文件）。我该怎么办？

非常感谢你。

Answer 1

看起来你最初有一个UTF-8文件，它被解释为8位编码（例如ISO-8859-15）和实体编码。我这样说是因为序列C3A9看起来很合理UTF-8 encoding sequence。

您需要首先对其进行实体解码，然后再次使用UTF-8编码。然后，您可以使用iconv之类的内容转换为您选择的编码。

完成您的示例：

• ＆安培;＃XC3; ＆安培;＃xA9;将被解码为字节序列0xC3A9
• 0xC3A9 = 11000011 10101001二进制
• 第一个八位字节中的前导110告诉我们这可以解释为UTF-8双字节序列。当第二个八位字节从10开始时，我们正在寻找可以解释为UTF-8的东西。为此，我们取第一个八位位组的最后5位，以及第二个八位位组的最后6位......
• 因此，解释为UTF8，它是00011101001 = E9 =é（LATIN SMALL LETTER E WITH ACUTE）

你提到想用PHP来处理这个问题，这样的事情可能适合你：

 //to load from a file, use
 //$file=file_get_contents("/path/to/filename.txt");
 //example below uses a literal string to demonstrate technique...

 $file="&Précédent is a French word";
 $utf8=html_entity_decode($file);
 $iso8859=utf8_decode($utf8);

 //$utf8 contains "Précédent is a French word" in UTF-8
 //$iso8859 contains "Précédent is a French word" in ISO-8859