php - 从 PHP 以 UTF-8 编码

Question

我不太擅长编码，但我什至对这里的基础知识都感到失望。

我正在尝试创建一个被识别为 UTF-8 的文件

header("Content-Type: text/plain; charset=utf-8");
header("Content-disposition: attachment; filename=test.txt");
echo "test";
exit();

也试过

header("Content-Type: text/plain; charset=utf-8");
header("Content-disposition: attachment; filename=test.txt");
echo utf8_encode("test");
exit();

然后我用 Notepad++ 打开文件，它说它的当前编码是 ANSI 而不是 UTF-8，我错过了什么我应该如何输出这个文件。

我最终会为 Affiliate Window 程序输出产品的 XML 文件。 另外，如果它有帮助，我的网络服务器是 Centos、Apache2、PHP 5.2.8。

在此先感谢您的帮助!

Answer 1

正如 Filip 所说，编码不是文件的固有属性；这是隐含的。这意味着除非您知道要解释的文件的编码是什么，否则无法确定它。你能做的最好的事情就是猜测。这大概是 Notepad++ 等程序所做的。由于您发送的实际数据可以用许多不同的编码进行解释，因此它只会选择最喜欢的候选者。对于 Notepad++，这似乎是 ANSI(这本身就是一个相当不准确的分类)，而其他程序可能默认为其他东西。

之所以必须在 HTTP header 中指定字符集，正是因为文件本身不包含此信息，因此需要通知浏览器。将文件保存到磁盘后，此信息将不可用。

如果您要提供的文件是 XML 文档，您可以选择将编码信息放入实际文档中。这样它在文件保存到磁盘后被保留。例如。如果您使用的是 utf-8，则应将其放在文档的顶部:

<?xml version="1.0" encoding="utf-8" ?>

请注意，除了获取有关字符集的元信息外，您还需要确保您提供的数据实际上是 utf-8 编码的。这几乎是相同的场景:您需要隐式地知道您的数据采用什么编码。函数 utf8_encode 是(尽管名称)明确用于将 iso-8859-1 转换为 utf-8。因此，如果您在已经使用 utf-8 编码的数据上使用它，您将得到双重编码，结果是乱码数据。

字符集本身并没有那么复杂。问题是，如果你不小心把事情弄清楚，你就会把事情搞砸。无论何时你有一个字符串，你都应该绝对确定你知道它采用的是哪种编码。否则它就不是一个字符串——它只是一团二进制数据。