Question

我在utf-8中有一个文本，我想使用utf8_decode()来解码它但是当我这样做时，我丢失了部分文本，utf8_decode()对字符串进行解码，直到找到字符â€“为止有什么想法解决这个问题吗？

Answer 1

也许iconv可以帮到你

Answer 2

â€ = E2 80 = 1110 0010 1000 0000

如果这确实是你的UTF-8文本中的内容，那么它可能不是UTF-8。它需要跟随另一个八位字节开始10才有效。

这是因为从1110开始的八位字节引入了一个三个八位位组序列，后面的八位字节从10开始，总共提供16个字节的“有效负载”以提供Unicode代码点。

编辑：您提供了下一个字符为0x93 = 1001 0011，这将是有效的。 UTF-8序列0xE28093 = 0010 00 0000 01 0011 = 0x2013，这是EN DASH。所以，它看起来似乎是合理的UTF-8！

Answer 3

也许â€“不在ISO-8859-1中？ utf8_decode只吃掉ISO-8859-1中也存在的utf8字符。

Answer 4

你可能想要类似的东西：

$string = iconv("UTF-8", "ISO-8859-1//TRANSLIT", $string);

您可以在the documentation中详细了解iconv。根据您的使用情况，IGNORE可能比TRANSLIT更有用。

Answer 5

您确定EdoDodo's code无效吗？

尝试强制浏览器将输出处理为iso-8859-1。要做到这一点，你需要一个带有字符串的utf8编码文件（你需要这个，因为文本编辑器可能使用不可见的UTF-8 BOM，并且浏览器可能会针对定义的ISO-8859-2切换到UTF-8 ），另一个用ansi编码的php代码（我使用Notepad++只是为了确保编码是正确的 - 它检测文件的编码并显示在右下角，你可以转换编码之间也是如此。

所以用utf-8编码创建一个名为 utf8.txt 的文件，其中只包含字符串：

â€“

使用以下内容创建ANSI编码的 index.php 文件：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"> 
<html> 
<head> 
 <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1"> 
</head> 

<body>

<?php
$str = file_get_contents('utf8.txt');

echo "iconv(//IGNORE//TRANSLIT): " . iconv("UTF-8", "ISO-8859-1//IGNORE//TRANSLIT", $str) . "<br>\n";

对于网页，我强烈建议您始终使用UTF-8编码，即使它是英文的。

utf8_decode仅返回编码字符串的一部分

5 个答案: