web-dev-qa-db-ja.com

PHPでファイルをUTF-8に変換する方法は？

私の側でファイルをUTF-8に変換することは可能ですか？

送信後にファイルにアクセスできる場合

$_FILES['file']['tmp_name']

注：ユーザーは任意の種類の文字セットでCSVファイルをアップロードできます。通常、不明な8ビットに遭遇します文字セット。

やってみる

$row = array();
$datas = file($_FILES['file']['tmp_name']);
foreach($datas as $data) {
    $data = mb_convert_encoding($data, 'UTF-8');
    $row[] = explode(',', $data);
}

しかし問題は、このコードが一重引用符などの特殊文字を削除することです。

私の最初の質問は htmlspecialcharsが配列内の値を削除しますか？

追加情報のために置いておきます。助けてくれる人をありがとう！

phpencodingutf-8
7
Oblivion Coder

utf-8に変換する前に、それがどの文字セットかを知る必要があります。それを理解できない場合、それをutf8に変換することはできません。ただし、エンコーディングを決定できない場合、utf-8に変換するめちゃくちゃな方法は、単純にバイトを取り除くことです。 utf-8では有効ではないので、それをフォールバックとして使用できるかもしれません...

警告、テストされていないコード（突然急いでいます）ですが、次のようになります。

foreach ( $datas as $data ) {
    $encoding = guess_encoding ( $data );
    if (empty ( $encoding )) {
        // encoding cannot be determined...
        // as a fallback, we simply strip any bytes that isnt valid utf-8...
        // obviously this isn't a reliable conversion scheme.
        // also this could probably be improved
        $data = iconv ( "ASCII", "UTF-8//TRANSLIT//IGNORE", $text );
    } else {
        $data = mb_convert_encoding ( $data, 'UTF-8', $encoding );
    }
    $row [] = explode ( ',', $data );
}
function guess_encoding(string $str): string {
    $blacklist = array (
            'pass',
            'auto',
            'wchar',
            'byte2be',
            'byte2le',
            'byte4be',
            'byte4le',
            'BASE64',
            'UUENCODE',
            'HTML-ENTITIES',
            '7bit',
            '8bit' 
    );
    $encodings = array_flip ( mb_list_encodings () );
    foreach ( $blacklist as $tmp ) {
        unset ( $encodings [$tmp] );
    }
    $encodings = array_keys ( $encodings );
    $detected = mb_detect_encoding ( $str, $encodings, true );
    return ( string ) $detected;
}
2
hanshenrik

これを試してみてください。
私が使用した例は、テスト環境で行っていたものであり、コードを少し変更する必要があるかもしれません。

次のデータを含むテキストファイルがありました。

test
café
áÁÁÁááá
žžœš¥±
ÆÆÖÖÖasØØ
ß

次に、ファイル入力を取り、次のコードを実行するフォームがありました。

function neatify_files(&$files) {
    $tmp = array();
    for ($i = 0; $i < count($_FILES); $i++) {
        for ($j = 0; $j < count($_FILES[array_keys($_FILES)[$i]]["name"]); $j++) {
            $tmp[array_keys($_FILES)[$i]][$j]["name"] = $_FILES[array_keys($_FILES)[$i]]["name"][$j];
            $tmp[array_keys($_FILES)[$i]][$j]["type"] = $_FILES[array_keys($_FILES)[$i]]["type"][$j];
            $tmp[array_keys($_FILES)[$i]][$j]["tmp_name"] = $_FILES[array_keys($_FILES)[$i]]["tmp_name"][$j];
            $tmp[array_keys($_FILES)[$i]][$j]["error"] = $_FILES[array_keys($_FILES)[$i]]["error"][$j];
            $tmp[array_keys($_FILES)[$i]][$j]["size"] = $_FILES[array_keys($_FILES)[$i]]["size"][$j];
        }
    }
    return $files = $tmp;
}

if (isset($_POST["submit"])) {
    neatify_files($_FILES);
    $file = $_FILES["file"][0];

    $handle = fopen($file["tmp_name"], "r");
    while ($line = fgets($handle)) {
        $enc = mb_detect_encoding($line, "UTF-8", true);
        if (strtolower($enc) != "utf-8") {
            echo "<p>" . (iconv($enc, "UTF-8", $line)) . "</p>";
        } else {
            echo "<p>$line</p>";
        }
    }
}
?>
<form action="<?= $_SERVER["PHP_SELF"]; ?>" method="POST" enctype="multipart/form-data">
    <input type="file" name="file[]" />
    <input type="submit" name="submit" value="Submit" />
</form>

関数neatify_filesは、レイアウトで$_FILES配列をより論理的にするために私が書いたものです。

フォームは、サーバーにデータを単純にPOSTsする標準フォームです。
注：$_SERVER["PHP_SELF"]の使用はセキュリティリスクです 詳細はこちらをご覧ください 。

データが投稿されると、ファイルを変数に格納します。明らかに、multiple属性を使用している場合、コードはこのようには見えません。

$handleは、テキストファイルの内容全体を読み取り専用形式で格納します。したがって、"r"引数です。

$encは mb_detect_encoding 関数を使用してエンコーディング（duh）を検出します。
最初は、正しいエンコーディングを取得するのに問題がありました。 encoding_listをUTF-8のみを使用するように設定し、strictをtrueに設定します。

エンコーディングがUTF-8の場合は、単に行を出力します。そうでない場合は、 iconv 関数を使用してUTF-8に変換しました。

2
JustCarty

以下を使用して、ファイルテキストをバイナリデータに変換できます。

FUNCTION bin2text($bin_str) 
{ 
    $text_str = ''; 
    $chars = EXPLODE("\n", CHUNK_SPLIT(STR_REPLACE("\n", '', $bin_str), 8)); 
    $_I = COUNT($chars); 
    FOR($i = 0; $i < $_I; $text_str .= CHR(BINDEC($chars[$i])), $i  ); 
    RETURN $text_str; 
} 

FUNCTION text2bin($txt_str) 
{ 
    $len = STRLEN($txt_str); 
    $bin = ''; 
    FOR($i = 0; $i < $len; $i  ) 
    { 
        $bin .= STRLEN(DECBIN(ORD($txt_str[$i]))) < 8 ? STR_PAD(DECBIN(ORD($txt_str[$i])), 8, 0, STR_PAD_LEFT) : DECBIN(ORD($txt_str[$i])); 
    } 
    RETURN $bin; 
}

データをバイナリに変換したら、テキストをphpメソッドに変更するだけですmb_convert_encoding（$ fileText、 "UTF-8"）;

1
A.D.

これを試してみましょう：

function encode_utf8($data)
{
    if ($data === null || $data === '') {
        return $data;
    }
    if (!mb_check_encoding($data, 'UTF-8')) {
        return mb_convert_encoding($data, 'UTF-8');
    } else {
        return $data;
    }
}

使用法：

$content = file_get_contents($_FILES['file']['tmp_name']);
$content = encode_utf8($content);

$rows = explode("\n", $content);
foreach ($rows as $row) {
    print_r($row);
}
1
odan
function convert_file_to_utf8($source, $target) {
    $content=file_get_contents($source);
    # detect original encoding
    $original_encoding=mb_detect_encoding($content, "UTF-8, ISO-8859-1, ISO-8859-15", true);
    # now convert
    if ($original_encoding!='UTF-8') {
        $content=mb_convert_encoding($content, 'UTF-8', $original_encoding);

    }
    $bom=chr(239) . chr(187) . chr(191); # use BOM to be on safe side
    file_put_contents($target, $bom.$content);
}
0
Juergen