PHP：检查字符串是utf-8还是utf-16le

Question

我正在编写默认情况下以utf-8返回文档的函数，如果您提供特殊参数，它将以utf-16le返回内容。 我开始为此功能编写单元测试，但我不了解如何检查编码是“ utf-8”还是“ utf-16le”。 我尝试了mb_detect_encoding但是即使在以下代码段中，它也会返回false ：

  $utf16Doc = mb_convert_encoding($doc, "utf-16le", "utf8");
  $test = mb_detect_encoding($utf16Doc, "utf-16le");
  var_dump($test);

感谢有关如何检查编码是否为utf-16le而不是utf-8的任何想法。

Answer 1

一种通过BOM来检测文件的UTF-8 / 16/32的简单方法（不适用于字符串或没有BOM的文件）

<?php
// Unicode BOM is U+FEFF, but after encoded, it will look like this.
define ('UTF32_BIG_ENDIAN_BOM'   , chr(0x00) . chr(0x00) . chr(0xFE) . chr(0xFF));
define ('UTF32_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE) . chr(0x00) . chr(0x00));
define ('UTF16_BIG_ENDIAN_BOM'   , chr(0xFE) . chr(0xFF));
define ('UTF16_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE));
define ('UTF8_BOM'               , chr(0xEF) . chr(0xBB) . chr(0xBF));

function detect_utf_encoding($filename) {

    $text = file_get_contents($filename);
    $first2 = substr($text, 0, 2);
    $first3 = substr($text, 0, 3);
    $first4 = substr($text, 0, 3);

    if ($first3 == UTF8_BOM) return 'UTF-8';
    elseif ($first4 == UTF32_BIG_ENDIAN_BOM) return 'UTF-32BE';
    elseif ($first4 == UTF32_LITTLE_ENDIAN_BOM) return 'UTF-32LE';
    elseif ($first2 == UTF16_BIG_ENDIAN_BOM) return 'UTF-16BE';
    elseif ($first2 == UTF16_LITTLE_ENDIAN_BOM) return 'UTF-16LE';
}
?>

所以现在您可以尝试这样

 $utf16Doc = mb_convert_encoding($doc, "utf-16le", "utf8");
 $test = detect_utf_encoding($utf16Doc);
 var_dump($test);

明确说明 ：这不是我自己的书面答案。 我只是由用户http://php.net/manual/en/function.mb-detect-encoding.php#68607在php.net官方网站mb_detect_encoding下找到它的。 希望这会对您有所帮助