在PHP中检测正确的字符编码？

Question

我试图检测字符串的字符编码，但无法得到正确的结果。

例如：

$str = "€ ‚ ƒ „ …" ;
$str = mb_convert_encoding($str, 'Windows-1252' ,'HTML-ENTITIES') ;
// Now $str should be a Windows-1252-encoded string.
// Let's detect its encoding:
echo mb_detect_encoding($str,'Windows-1252, ISO-8859-1, UTF-8') ;

该代码输出ISO-8859-1，但应该是Windows-1252。

这是怎么回事？

编辑：

更新示例，以响应@raina77ow。

$str = "€‚ƒ„…" ; // no white-spaces
$str = mb_convert_encoding($str, 'Windows-1252' ,'HTML-ENTITIES') ;
$str = "Hello $str" ; // let's add some ascii characters
echo mb_detect_encoding($str,'Windows-1252, ISO-8859-1, UTF-8') ;

我又得到了错误的结果。

Answer 1

PHP中Windows1252的问题是它几乎永远不会被检测到，因为一旦文本包含0x80到0x9f之外的任何字符，它就不会被检测为Windows1252。

这意味着如果您的字符串包含像"A“这样的普通ASCII字母，甚至是空格字符，PHP会说这是无效的Windows-1252，在您的情况下，返回到下一个可能的编码，即ISO 8859-1。这是一个PHP，请参阅https://bugs.php.net/bug.php?id=64667。

Answer 2

虽然使用ISO-8859-1和CP-1252编码的字符串具有不同的字节代码表示形式：

<?php
$str = "&euro; &sbquo; &fnof; &bdquo; &hellip;" ;
foreach (array('Windows-1252', 'ISO-8859-1') as $encoding)
{
    $new = mb_convert_encoding($str, $encoding, 'HTML-ENTITIES');
    printf('%15s: %s detected: %10s explicitly: %10s',
        $encoding,
        implode('', array_map(function($x) { return dechex(ord($x)); }, str_split($new))),
        mb_detect_encoding($new),
        mb_detect_encoding($new, array('ISO-8859-1', 'Windows-1252'))
    );
    echo PHP_EOL;
}

结果：

Windows-1252: 802082208320842085 detected:            explicitly: ISO-8859-1
  ISO-8859-1: 3f203f203f203f203f detected:      ASCII explicitly: ISO-8859-1

...from，我们在这里可以看到，看起来mb_detect_encoding的第二个参数有问题。使用mb_detect_order代替参数会产生非常相似的结果。