如何使用 file_get_contents 以正确的 utf-8 编码获取文件内容？

Question

我需要获取 utf-8 编码的远程文件的内容。该文件在 utf-8 中。当我在屏幕上显示该文件时，它具有正确的编码：

http://www.parfumeriafox.sk/source_file.html

（注意 ň 和 č 字符，例如，这些都可以）。

当我运行这段代码时：

<?php

$url = 'http://parfumeriafox.sk/source_file.html';

$csv = file_get_contents_utf8($url);
header('Content-type: text/html; charset=utf-8');
print $csv;

function file_get_contents_utf8($fn) {
  $content = file_get_contents($fn);
  return mb_convert_encoding($content, 'utf-8');
}

（您可以使用 http://www.parfumeriafox.sk/encoding.php 运行），然后我得到问号而不是那些特殊字符。我对此进行了大量研究，我尝试了标准 file_read_contents 函数，我什至使用了一些流 bla bla php 上下文函数，我还尝试了 fopen 和 fread 函数来读取二进制级别的文件，似乎没有任何效果。我已经尝试过发送和不发送 header。这应该是非常简单的，我做错了什么？当我用一些编码检测函数检查那个字符串时，它 returns UTF-8.

Answer 1

这个怎么样？？？？

为此我使用了 header('Content-Type: text/plain;; charset=Windows-1250');

佛手柑、香柠檬、tráva、rebarbora、bazalka；levanduľa、škorica、hruška；céderové drevo、vanilka、pižmo、amberlyn

这个代码对我有用

<?php
header('Content-Type: text/plain;charset=Windows-1250');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

问题不在于 file_get_contents()

我将 $data 保存到一个文件中，字符是正确的，但我的文本编辑器仍然没有正确编码。见下图。

$data = file_get_contents('http://www.parfumeriafox.sk/source_file.html');
file_put_contents('doc.txt',$data);

更新

这里显示的似乎是一个有问题的字符。 它也出现在下面的 HTML 图像中。呈现为 ¾

其十六进制值为 xBE（十进制 190）

我试过这两个字符集。都没有用。

header('Content-Type: text/plain; charset=ISO 8859-1');
header('Content-Type: text/plain; charset=ISO 8859-2');

更新结束

它通过添加 header WITHOUT charset=utf-8.

来工作

这两个 header 有效

header('Content-Type: text/plain');
header('Content-Type: text/html');

这两个 header 不起作用

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

此代码已测试并显示所有字符。

<?php
header('Content-Type: text/plain');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

<?php
header('Content-Type: text/html');
echo file_get_contents('http://www.parfumeriafox.sk/source_file.html');
?>

这些是一些有问题的字符及其十六进制值。
这是使用 UTF-8 编码在 Notepad++ 中查看的保存文件。

根据这些字符集检查十六进制值。

从上面table我看到字符集是Latin2.

我去了Wikipedia Windows code page，发现Latin2是Windows-1250

佛手柑、香柠檬、tráva、rebarbora、bazalka；levanduľa、škorica、hruška；céderové drevo、vanilka、pižmo、amberlyn

Answer 2

您可以通过打开开发人员控制台并查看 document.characterSet:

来查看您的浏览器决定文档使用的字符集

> document.characterSet
"windows-1250"

有了这些知识，我们可以要求 iconv 为我们从 "windows-1250" 转换为 utf-8：

<?php
$text = file_get_contents("source_file.csv");
$text = iconv("windows-1250", "utf-8", $text);
print($text);

输出是有效的 utf-8，levanduľa 也能正确显示。

如何使用 file_get_contents 以正确的 utf-8 编码获取文件内容？

How to get file content with a proper utf-8 encoding using file_get_contents?

php

utf-8

file-get-contents

更新