星期二, 六月 17, 2008
PHP 判斷/移除 BOM(UTF-8)
BOM: 萬國碼檔案簽名 BOM (Byte Order Mark, U+FEFF)
BOM 的內容可以表示 UNICODE 是哪種編碼, 但是在接收到的檔案, 要拆解後寫入 DB, 看到 BOM 就覺得有點 ooxx.
在 utf8_encode 看到兩段程式可以來測試 寫入/移除 BOM.
將寫入的檔案內容前加 BOM
<?php
function writeUTF8File($filename,$content)
{
$f = fopen($filename, 'w');
fwrite($f, pack("CCC", 0xef,0xbb,0xbf));
fwrite($f,$content);
fclose($f);
}
?>
移除 BOM function
<?php
function removeBOM($str = '')
{
if (substr($str, 0,3) == pack("CCC",0xef,0xbb,0xbf)) {
$str = substr($str, 3);
}
return $str;
}
?>
由此上述 BOM = pack("CCC",0xef,0xbb,0xbf), 所以移除 BOM 的寫法可用上面的 removeBOM function 或 下述其一:
- str_replace("\xef\xbb\xbf", '', $bom_content);
- preg_replace("/^\xef\xbb\xbf/", '', $bom_content);
另外看到 判斷此字串是不是 UTF-8 的 function:
function isUTF8($string)
{
return (utf8_encode(utf8_decode($string)) == $string);
}
其它相關網頁
相關標籤
請問檔案的編碼
是否檔案(例如：字幕)也能判斷是不是UTF-8編碼嗎？(含 BOM 與不含 BOM 兩種)
請問判斷檔案編碼是不是UTF-8
您好，想請教您，如果是要在 Linux 下判斷檔案是否為 UTF-8 編碼(含 BOM 或不含 BOM 都要可判斷)，
是否有比較好的方式呢？(非使用PHP)
xxd -l 3 -p filename
您好，謝謝！
我的疑問是並非所有檔案在UTF-8時都會加上efbbbf的 BOM，
所以，如果檔案 header 並沒有含入 efbbbf，
是否有辦法能判斷是不是UTF-8格式呢？
回 Hank
此文最下面那個 function 就可以判斷那篇是否是 UTF-8 的文章.
或者使用 iconv -f utf-8 -t big5 filename, 如果能順利轉換, 那也代表這篇文章是 UTF-8.
about iconv
謝謝您的回答。
iconv 的誤判率其實蠻高的，目前我還在找除了加上BOM，還有什麼方法或工具可以用來自動偵測檔案的編碼為 UTF-8 或是 BIG5、GB2312、ISO8859-1、....等。
看來要能自動偵測世界各國的編碼並不是那麼容易 XD
回 yanren
嗯嗯, 偵測世界各國編碼, PHP 有一個 function, 不過準確率確實也有點問題.
如果您有找到, 也勞煩您跟小弟指導一下, 我也蠻想知道怎麼解決此問題的. Orz..
發表迴響
PS2: 若您的留言被誤判, 我都會再自行看過, 不需要一直重覆張貼~
