写入 .csv 文件时 PHP 的编码问题答案

【问题标题】：Encoding issue with PHP while writing in a .csv file写入 .csv 文件时 PHP 的编码问题
【发布时间】：2019-08-26 10:53:08
【问题描述】：

我正在使用一个 php 数组，其中包含一些从之前的抓取过程中解析的值（使用 Simple HTML DOM Parser）。我可以正常print/echo这个数组的值，其中包含特殊字符é,à,è等BUT，问题如下：

当我使用fwrite 将值保存在 .csv 文件中时，某些字符未成功保存。例如，Székesfehérvár 在HTML 的我的php 视图中很好地显示，但在我使用上面的php 脚本生成的.csv 文件中另存为Sz&#233;kesfeh&#233;rv&#225;r。

我已经在 php 脚本中设置了一些东西：

我正在抓取的页面似乎是 utf-8 编码的
我的 PHP 脚本也在标头中声明为 utf-8
我在代码的不同位置尝试了很多iconv 和mb_encode 方法
注意，当我使用 json_encode 制作我的 php 数组的 JS console.log 时，字符也会损坏，可能与我正在抓取的页面的原始编码有关？

这是脚本的一部分，它是在.csv文件中写入值的部分

<?php 

$data = array(
            array("item1", "item2"), 
            array("item1", "item2"),
            array("item1", "item2"),
            array("item1", "item2")
            // ...
);

//filename
$filename = 'myFileName.csv';

foreach($data as $line) {
    $string_txt = ""; //declares the content of the .csv as a string
    foreach($line as $item) {
        //writes a new line of the .csv
        $line_txt = "";
        //each line of the .csv equals to the values of the php subarray, tab separated
        $line_txt .= $item . "\t";
    }

    //PHP endline constant, indicates the next line of the .csv
    $line_txt .= PHP_EOL;
    
    //add the line to the string which is the global content of the .csv
    $line_txt .= $string_txt;
}

//writing the string in a .csv file 
$file = fopen($filename, 'w+');
fwrite($file, $string_txt);
fclose($file);

我目前卡住了，因为我无法正确保存带有重音字符的值。

【问题讨论】：

“我正在抓取的页面似乎是 utf-8 编码的” - 更确切地说，您正在抓取的页面实际上使用这些数字实体来表示这些字符已经。您可能只是没有注意到，因为您在浏览器将它们解释为 HTML 之后查看了调试输出。 html_entity_decode 应该有帮助。
@misorude，感谢您的帮助。我不太明白你的评论，让我补充一点：当我对我的$data 数组执行print_r 时，所有字符都是可用的，但问题是当我尝试用这个数组做其他事情时，比如作为 JS 的 json_encode，或写入 .csv。你明白我的意思吗？谢谢
做一个print_r("Sz&#233;kes"); - 注意到什么了吗？
是的，print_r 返回Székes。跟着你，我使用htmlentities 来获取值的 original 数字实体，但我现在的问题是：我如何将值 store 为Székes 例如，而不是Sz&#233;kes？谢谢@misorude
“是的，print_r 返回Székes” - 那么你现在明白我最初的评论了吗？ “我如何将值存储为Székes，而不是Sz&#233;kes？” - 通过将你拥有的值变成你想要的值 - 你目前有 Sz&#233;kes。不，我没有说要使用htmlentities。

标签： php web-scraping utf-8 character-encoding

【解决方案1】：

将此行放入您的代码中

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

希望对您有所帮助！

【讨论】：

谢谢，不过已经在脚本里了，不过我简化了帖子的代码部分。（文中也提到：“我的 PHP 脚本在 header 中也声明为 utf-8”）。谢谢
当您要打开下载的 CSV 文件时，请您选择编码类型：UTF-8 检查一次。

【解决方案2】：

试试看


$file = fopen('myFileName.csv','w');
$data= array_map("utf8_decode", $data);
fputcsv($file,$data);

【讨论】：

【解决方案3】：

Excel 在显示 utf8 编码的 csv 文件时出现问题。我以前看过这个。但是你可以试试 utf8 BOM。我试过了，对我有用。这只是在 utf8 字符串的开头添加这些字节：

$line_txt .= chr(239) . chr(187) . chr(191) . $item . "\t";

或者，您可以使用 Excel 中的文件导入功能并确保文件来源为 65001 : Unicode(UTF8)。它应该正确显示您的文本，您需要将其保存为 Excel 文件以保留格式。

【讨论】：

非常感谢，我终于通过html_entity_decode找到了答案。

【解决方案4】：

解决方案（由@misorude 提供）：

当抓取网页中的 HTML 内容时，调试中显示的内容与脚本中真正抓取的内容之间存在差异。我必须使用html_entity_decode 让 PHP 解释我抓取的 HTML 代码的 true 值，而不是浏览器的解释。

要在将值存储在某处之前验证是否可以很好地检索值，您可以尝试在 JS 中使用 console.log 来查看值是否正确驱动：

PHP

//decoding numeric HTML entities who represents "Sóstói Stadion"
$b = html_entity_decode("S&#243;st&#243;i Stadion");

Javascript（测试）：

<script>
var b = <?php echo json_encode($b) ;?>;

//print "Sóstói Stadion" correctly
console.log(b); 
</script>

【讨论】：