如何使用file_get_contents以正确的utf-8编码获取文件内容？

Question

我需要以utf-8编码获取远程文件的内容。 utf-8中的文件。 当我在屏幕上显示该文件时，它具有正确的编码：

http://www.parfumeriafox.sk/source_file.html

（注意ň和č字符，例如，这些都可以）。

当我运行此代码时：

<?php

$url = 'http://parfumeriafox.sk/source_file.html';

$csv = file_get_contents_utf8($url);
header('Content-type: text/html; charset=utf-8');
print $csv;

function file_get_contents_utf8($fn) {
  $content = file_get_contents($fn);
  return mb_convert_encoding($content, 'utf-8');
}

（您可以使用http://www.parfumeriafox.sk/encoding.php来运行它），然后我得到问号而不是那些特殊字符。 我对此进行了大量研究，尝试了标准的file_read_contents函数，甚至使用了一些流bla php上下文函数，还尝试了fopen和fread函数以二进制级别读取该文件，似乎没有任何作用。 我已经尝试过，并且不发送标题。 这应该很简单，我在做什么错？ 当我使用某种编码检测功能检查该字符串时，它将返回UTF-8 。

Answer 1

您可以通过打开开发者控制台并查看document.characterSet来查看浏览器确定文档使用的字符集：

> document.characterSet
"windows-1250"

有了这些知识，我们可以要求iconv为我们从“ windows-1250”转换为utf-8：

<?php
$text = file_get_contents("source_file.csv");
$text = iconv("windows-1250", "utf-8", $text);
print($text);

输出是有效的utf-8，并且levanduľa也正确显示。

Answer 2

这个怎么样？？？？

为此，我使用了header('Content-Type: text/plain;; charset=Windows-1250');

佛手柑，citrón，trava，rebarbora，bazalka;levanduľa，škorica，hruška;céderovédrevo，vanilka，pižmo，amberlyn

---

---

该代码对我有用

<?php
header('Content-Type: text/plain;charset=Windows-1250');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

---

问题不在于file_get_contents（）

我将$ data保存到文件中，并且字符正确，但文本编辑器仍未正确编码。 参见下图。

$data = file_get_contents('http://www.parfumeriafox.sk/source_file.html');
file_put_contents('doc.txt',$data);

更新

似乎是一个有问题的字符，如下所示。 在下面的HTML图像上也可以看到它。 渲染为¾

十六进制值为xBE（十进制190）

我尝试了这两个字符集。 两者都不起作用。

header('Content-Type: text/plain; charset=ISO 8859-1');
header('Content-Type: text/plain; charset=ISO 8859-2');

---

---

更新结束

---

它通过添加不带charset = utf-8的标头来工作。

这两个标头有效

header('Content-Type: text/plain');
header('Content-Type: text/html');

这两个标头不起作用

header('Content-Type: text/plain; charset=utf-8');
header('Content-Type: text/html; charset=utf-8');

此代码已测试并显示所有字符。

<?php
header('Content-Type: text/plain');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

<?php
header('Content-Type: text/html');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

---

这些是带有十六进制值的一些有问题的字符。
这是在记事本中使用UTF-8编码查看的已保存文件。

根据这些字符集检查十六进制值。

从上表中，我看到字符集是Latin2。

我去了Wikipedia Windows代码页 ，发现Latin2是Windows-1250

---

佛手柑，citrón，trava，rebarbora，bazalka;levanduľa，škorica，hruška;céderovédrevo，vanilka，pižmo，amberlyn