Question

PHP怎么判断txt文件的编码

网站的a目录下有许多txt文件，现在我要判断这些文件的编码，如果不是ANSI编码就进行编码转换。注意，是判断txt文档的编码，不是文字编码哦！txt文档编码类型：ANSI、Unicode、Unicode big endian、UTF-8

但是，怎么判断txt文档编码呢？

Answer 1

我做了几年PHP程序员，据我所知，PHP是没法判断文档编码的。如果PHP能判断文档编码就不会有网站会出现乱码了，判断文档编码一般浏览器来处理。

我们公司开发的采集程序，就是通过网站源代码中的UTF-8 gbk 等字样来判断。

处理你说的这个问题，要开发桌面程序来处理才行。

追问

那有其他方法能做到吗？或者说asp.net之类的语言，或者专业文本处理软件之类的？

追答

我给你写的PHP代码，判断编码原理就是靠猜的。我已经测试过了可以正常转换，可以将ansi文档转换成utf-8。

不过一定要注意：php文件要保存utf-8编码。

Answer 2

文件a.txt，用PHP如何判断它的编码是GBK还是UTF-8呢？
1，重新认识一下此问题，当时版主回复的时候我就觉得mb函数里一定有这样的功能，但今日研究了mb库，并没有这样的功能。用mb_detect_encoding总是不准确。
echo mb_detect_encoding(file_get_contents('a.txt'));
2，在PHP的在线文档中找了一个方法，可以解决问题，需要自己编写一个函数来实现。
具体代码如下：
function isUTF8($str)
{
if ($str === mb_convert_encoding(mb_convert_encoding($str, "UTF-32", "UTF-8"), "UTF-8", "UTF-32"))
{
return true;
}
else
{
return false;
}
}
$content = file_get_contents("a.txt");
echo isUTF8($content);
3，经测试，在编码种类不多的情况下，2方法成功率还是挺高的。
function ChickC($str)
{
$array = array('ASCII','GBK','UTF-8');
foreach ($array as $value)
{
if ($str === mb_convert_encoding(mb_convert_encoding($str, "UTF-32", $value), $value, "UTF-32"))
return $value;
}
return false;
}

Answer 3

一个文本除非明确告诉你使用的编码，要不然你是无法准确得到其编码的，只能靠猜，PHP的mb_string中有一些检测函数。

所以说web上的许多东西都需要指明编码

追问

那有没有其它软件之类的，可以一次判断某个目录下的txt编码，并且根据编码排列出来？

Answer 4

<?php

define('UTF32_BIG_ENDIAN_BOM', chr(0x00) . chr(0x00) . chr(0xFE) . chr(0xFF));
define('UTF32_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE) . chr(0x00) . chr(0x00));
define('UTF16_BIG_ENDIAN_BOM', chr(0xFE) . chr(0xFF));
define('UTF16_LITTLE_ENDIAN_BOM', chr(0xFF) . chr(0xFE));
define('UTF8_BOM', chr(0xEF) . chr(0xBB) . chr(0xBF));

function get_encode($filename)
{

$text = file_get_contents($filename);
$first2 = substr($text, 0, 2);
$first3 = substr($text, 0, 3);
$first4 = substr($text, 0, 3);

if ($first3 == UTF8_BOM)
return 'UTF-8 BOM';
elseif ($first4 == UTF32_BIG_ENDIAN_BOM)
return 'UTF-32BE';
elseif ($first4 == UTF32_LITTLE_ENDIAN_BOM)
return 'UTF-32LE';
elseif ($first2 == UTF16_BIG_ENDIAN_BOM)
return 'UTF-16BE';
elseif ($first2 == UTF16_LITTLE_ENDIAN_BOM)
return 'UTF-16LE';

if ($text === iconv('UTF-8', 'UTF-8', iconv('UTF-8', 'UTF-8', $text)))
return 'UTF-8';
if ($text === iconv('UTF-8', 'ASCII', iconv('ASCII', 'UTF-8', $text)))
return 'ASCII';
if ($text === iconv('UTF-8', 'GB2312', iconv('GB2312', 'UTF-8', $text)))
return 'GB2312';

return '无法识别';
}

$file = 'test.txt';
echo get_encode($file);

?>

追问

测试过了，大部分txt文档都无法识别编码，可能是php语言本身缺陷，或者正如楼下所说的，除非明确告知，否则无法知晓文本编码。

不过还是很感谢你，毕竟有很多还是能够判断出来的！！！