Question

我正在尝试使用PHP解析CSV文件。
该文件使用逗号作为分隔符，并对包含逗号的字段使用双引号，例如：

foo,"bar, baz",foo2

问题，我面临的问题是我将包含逗号的字段分隔开了。我得到：

"2
rue du ..."

代替：2, rue du ...。

编码：
该文件似乎不在UTF8中。它的开头有怪异的词句符（apparently not BOM，当从ASCII转换为UTF8：ÿþ时看起来像这样），并且不显示重音符号。

我的代码编辑器（Atom）告诉编码为 UTF-16 LE
在csv行上使用mb_detect_encoding()会返回 ASCII

但是无法转换：

mb_convert_encoding()从ASCII进行转换，但从UTF-16LE返回亚洲字符
iconv()返回通知：iconv（）：错误的字符集，不允许从UTF-16LE / ASCII到UTF8的转换。 li>

解析：
我尝试使用str_getcsv()来解析这种单行代码（请参见those 2 comments）：

$csv = array_map('str_getcsv', file($file['tmp_name']));

然后我尝试使用fgetcsv()：

$f = fopen($file['tmp_name'], 'r');
while (($l = fgetcsv($f)) !== false) {
    $arr[] = $l;
}
$f = fclose($f);

在两种方式下，我的地址分为两部分。但是，当我尝试此代码示例时，我会正确解析字段：

$str = 'foo,"bar, baz",foo2,azerty,"ban, bal",doe';
$data = str_getcsv($str);
echo '<pre>' . print_r($data, true) . '</pre>';

总结问题：

文件开头的字符是什么？
如何确定编码？ （Atom使用UTF-16 LE读取文件，并且开头不显示奇怪的字符）
是什么使csv解析功能失败？
如果我应该依靠其他方法来解析CSV的行，那我该怎么用？

Answer 1

我终于自己解决了：

我将文件发送到在线编码检测网站，该网站返回了 UTF16LE 。在检查了什么是 UTF16LE 后，它说它具有 BOM（字节顺序标记）。
我以前的尝试是使用file()返回文件的 行的数组 ，并使用fopen()返回资源，但是我们仍然解析一行。

我想到的解决方案是转换整个文件（一次一行），而不是分别转换每一行。这是一个可行的解决方案：

$f = file_get_contents($file['tmp_name']);          // Get the whole file as string
$f = mb_convert_encoding($f, 'UTF8', 'UTF-16LE');   // Convert the file to UTF8
$f = preg_split("/\R/", $f);                        // Split it by line breaks
$f = array_map('str_getcsv', $f);                   // Parse lines as CSV data

我不再用内部逗号分隔地址字段。

PHP无法正确解析CSV（文件位于UTF-16LE中）

1 个答案: