将Window-1252转换为UTF-8问题

Question

我创建了一个函数，将以下文本转换为UTF-8，因为它似乎是Windows-1252格式，因为它是从Word文档复制到数据库表的。

  

测试怪异角色的修正

这似乎解决了狡猾的’角色。但是我没有得到以下内容：

  

德文郡最知名的经销商

通过相同的功能传递以下内容时：

  

德文郡最知名的经销商

以下是进行转换的代码：

function Windows1252ToUTF8($text) {
    return mb_convert_encoding($text, "Windows-1252", "UTF-8");
}

修改 由于持有数千个自定义记录，因此无法更改数据库。我试过以下但mb_detect_encoding认为character’s correction是UTF-8。

function Windows1252ToUTF8($text) {
    if (mb_detect_encoding($text) == "UTF-8") {
        return $text;
    }
    return mb_convert_encoding($text, "Windows-1252", "UTF-8");
}

编辑2： 刚刚尝试了PHP Documentation：

中的示例

$str = 'áéóú'; // ISO-8859-1
echo "<pre>";
var_dump(mb_detect_encoding($str, 'UTF-8')); // 'UTF-8'
var_dump(mb_detect_encoding($str, 'UTF-8', true)); // false
echo "</pre>";
die();

但这只是输出：

  

string（5）“UTF-8”   string（5）“UTF-8”

所以我甚至无法检测到字符串的编码：S

编辑3： 这似乎可以解决问题：

function Windows1252ToUTF8($text) {
    $badChars = [ "â", "á", "ú", "é", "ó" ];
    $match = preg_match("/[".join("",$badChars)."]/", $text);
    if ($match) {
        return mb_convert_encoding($text, "Windows-1252", "UTF-8");
    }
    return $text;
}

编辑4： 我已将十六进制值与其对应的值匹配。然而，当我到达奇怪的角色时，它们似乎不匹配。

Answer 1

以下似乎可以解决问题。不是我希望它通过检查特定字符来工作的方式，但它确实有效。

function Windows1252ToUTF8($text) {
    $badChars = [ "â", "á", "ú", "é", "ó" ];
    $match = preg_match("/[".join("",$badChars)."]/", $text);
    if ($match) {
        return mb_convert_encoding($text, "Windows-1252", "UTF-8");
    }
    return $text;
}

修改

function Windows1252ToUTF8($text) {
    // http://www.fileformat.info/info/charset/UTF-8/list.htm
    $illegal_hex = [ "c3a2", "c3a1", "c3ba", "c3a9", "c3b3" ];
    $match = preg_match("/".join("|",$illegal_hex)."/", bin2hex($text));
    if ($match) {
        return mb_convert_encoding($text, "Windows-1252", "UTF-8");
    }
    return $text;
}