如何正确解析 UTF8 格式的文件？答案

【问题标题】：How to parse a file in UTF8 format correctly?如何正确解析 UTF8 格式的文件？
【发布时间】：2013-08-28 12:32:39
【问题描述】：

我正在解析一个包含 UTF-8 编码字符的 XML-Feed，如下所示：

<?xml version="1.0" encoding="UTF-8" ?>
<root>
  <value>Ströng</value>
</root>

解析这个文件返回一个格式错误的StrÃ¶ng:

$file = file_get_contents($path);
print_r($file);

使用$xml = simplexml_load_file($path); 会产生相同的结果。

现在我尝试使用utf8_encode() 函数来纠正这样的字符编码：

$file = utf8_encode(file_get_contents($path));
print_r($file);

但现在内容的格式错误更严重：StrÃƒÂ¶ng。这是为什么呢？

如何正确解析 UTF8 格式的 XML？

mb_detect_encoding($file) 返回：UTF-8 和 utf8_decode() 返回Str?ng。

到目前为止，一切似乎都是正确的，但事实并非如此？

【问题讨论】：

因为你需要utf_decode，或者把你的php脚本做成utf8
file_get_contents 对编码执行 nothing。您只是没有告诉浏览器正确处理它。见UTF-8 all the way through 和What Every Programmer Absolutely, Positively Needs To Know About Encodings And Character Sets To Work With Text。
utf8_decode() 返回Str?ng
mb_detect_encoding() 返回UTF-8，应该没问题吧？

【解决方案1】：

解析此文件并返回格式错误的字符串：

这可能不会发生：您的输出页面很可能是以单字节编码（如 ISO-8859-1）进行编码的。因此，即使数据非常好，两字节的 UTF-8 字符也会显示错误。

要么：

【讨论】：

【解决方案2】：

您是否在文档中将字符集设置为 UTF-8（print_r 输出的位置）？您可以通过添加：

<meta http-equiv="Content-type" content="text/html;charset=UTF-8" />

到<head> 部分。

或者在 PHP 中添加 header('Content-Type: text/html; charset=utf-8');

【讨论】：