从PHP编码UTF-8

Question

我对编码不是很好，但我甚至在这里基本没法考虑。

我正在尝试创建一个被识别为UTF-8的文件

header("Content-Type: text/plain; charset=utf-8");
header("Content-disposition: attachment; filename=test.txt");
echo "test";
exit();

也试过了

header("Content-Type: text/plain; charset=utf-8");
header("Content-disposition: attachment; filename=test.txt");
echo utf8_encode("test");
exit();

然后我用Notepad ++打开文件，它说它的当前编码是ANSI而不是UTF-8，我错过了如何输出这个文件。

我最终将为Affiliate Window程序输出产品的XML文件。 如果它有助于我的网络服务器是Centos，Apache2，PHP 5.2.8。

在此先感谢您的帮助！

Answer 1

正如Filip所说，编码不是文件的固有属性; 这是隐含的。 这意味着除非您知道要解释文件的编码，否则无法确定它。 你能做的最好的就是做出猜测。 这可能是Notepad ++等程序所做的。 由于您发送的实际数据可以用许多不同的编码进行解释，因此它只选择最喜欢的候选者。 对于Notepad ++，这似乎是ANSI（这本身就是一个相当不准确的分类），而其他程序可能默认为其他程序。

您必须在HTTP标头中指定字符集的原因正是因为文件本身不包含此信息，因此需要通知浏览器。 将文件保存到磁盘后，此信息将无法使用。

如果要提供的文件是XML文档，则可以选择将编码信息放在实际文档中。 这样，文件保存到磁盘后就会保留。 例如。 如果您使用的是utf-8，则应将其放在文档的顶部：

<?xml version="1.0" encoding="utf-8" ?>

请注意，除了获取有关字符集的元信息之外，您还需要确保您提供的数据实际上是utf-8编码的。 这是一个相同的场景：你需要隐含地知道你的数据是什么编码。函数utf8_encode （尽管名称）明确用于将iso-8859-1转换为utf-8。 因此，如果你在已经使用utf-8编码的数据上使用它，你会得到它的双重编码，结果是乱码数据。

字符集本身并不复杂。 问题是，如果你不小心保持紧张，你就会搞砸了。 每当你有一个字符串时，你应该绝对确定你知道它在哪个编码。否则它不是一个字符串 - 它只是一个二进制数据块。

Answer 2

test是ASCII。 所以没有必要使用UTF-8。

但事实上，Unicode字符集的前128个字符与ASCII的字符集相同。 UTF-8使用与ASCII相同的代码。 有关更多信息，请参阅Wikipedia对UTF-8的描述 。

Answer 3

下载文件后，它不再携带有关编码的信息，因此Notepad ++必须从内容中猜出它。 有一个名为Byte-Order-Mark的东西允许在内容中通过前缀指定UTF编码。

请参阅问题“当使用BOM时，是否仅使用16位Unicode文本？” 。

我想在编写实际内容之前使用echo "\\xEF\\xBB\\xBF"这样的东西会强制Notepad ++正确识别文件。

Answer 4

下载的txt文件没有标题。 当你尝试最终创建XML文件时，你可以在XML声明中指定charset，尝试创建一个简单的XML结构并保存/打开它，然后它应该工作，只要操作系统有utf-8支持，任何现代Linux发行版都应该有的。

Answer 5

我向您推荐每个软件开发人员应该了解Unicode的 Joel 绝对最低要求

Answer 6

我推荐你们每个程序员都绝对需要了解编码和字符集来处理文本