PHP 中“mb_detect_encoding()”的首选字符编码顺序是什么？答案

【问题标题】：What is the preferable character encoding order for "mb_detect_encoding( )" in PHP?PHP 中“mb_detect_encoding()”的首选字符编码顺序是什么？
【发布时间】：2012-07-31 17:53:08
【问题描述】：

作为mb_detect_encoding( ) 的第二个参数传递的首选字符编码顺序是什么。

我之所以这样问是因为某些字符编码与其他字符编码重叠，例如 UTF（在某些情况下）返回 ASCII 和 gb2312 的 EUC-CN，以及 EUC-CN、EUC-JP、EUC-KR、EUC-TW 中的任何一个传递给函数的序列中出现的较早的返回为简体中文 EUC-CN 兼容字符串。

以下是我收集的一些，但我想让列表尽可能全面。

EUC-CN
EUC-JP
EUC-KR
EUC-TW
SJIS
ASCII
JIS
UTF-8
EUC-JP
EUC-CN
EUC-KR
EUC-TW
SJIS

请帮助我更正顺序并使此列表尽可能大。

编辑 1：

我想要做的就是将任何字符串转换为 utf8。

编辑 2：

考虑到以下建议，我想尽量减少在编码转换中浪费文本的可能性，因为转换后的文本是我的网站唯一依赖的东西。所以，即使我使用的解决方案不是完美的。请您演示最可靠的解决方案吗？

【问题讨论】：

嗯，是的，许多编码彼此无法区分。这就是为什么准确的自动检测通常是不可能的。如您所见，此功能可能对少数候选人有用，但对大量候选人无用。在此之上，您需要一个统计文本分析器来提高准确性，这不是 PHP 内置的。你不应该一开始就使用编码检测。

标签： php utf-8 character-encoding mbstring

【解决方案1】：

没有真正的首选顺序可以为您提供最准确的响应。

总会有一些字符串可能被检测到并且在多个字符集中有效。 mb_detect_encoding 无法确定哪个是正确的。

解决这个问题的唯一方法是：

让懂语言的人来选择正确的编码。
可能分析字符串中的实际文本，并“猜测”最有可能是正确的。

对于第二个，我不知道现成的选项，但我可以想象诸如字符出现率、贝叶斯过滤器、神经网络和字典检查之类的东西可能有用;)

【讨论】：

我可以补充一下：如果你不知道你的文本的编码，那么其他地方就有问题。
@InternetSeriousBusiness PEBKAC?
通常，文档会包含编码信息，例如$ curl -I http://stackoverflow.com --silent | fgrep charsetContent-Type: text/html; charset=utf-8见en.wikipedia.org/wiki/Character_encodings_in_HTML