PHP编码转换为Windows-1252，同时保持UTF-8兼容性

Question

我需要将上传的文件名转换为未知编码的Windows 1252，同时保持UTF-8兼容性。

当我将这些文件传递给控制器（我对其没有任何影响）时，这些文件必须经过Windows-1252编码。然后，该控制器再次生成通过MySQL存储到数据库中的有效文件（名称）列表-因此我需要UTF-8兼容性。传递给控制器的文件名和写入数据库的文件名必须匹配。到目前为止还不错。

在一些罕见的情况下，当转换为“Windows-1252”（与te字符“ï”类似）时，该字符被转换为UTF-8中的无效字符。MySQL然后删除这些无效字符-结果是磁盘上的文件名和存储到数据库中的文件名不再匹配。这种有时会失败的转换通过简单的重新编码实现：

$sEncoding       = mb_detect_encoding($sOriginalFilename);
$sTargetFilename = iconv($sEncoding, "Windows-1252//IGNORE", $sOriginalFilename);

为了防止转换生成无效字符，我可以再次从重新编码的字符串中删除所有无效UTF-8字符：

ini_set('mbstring.substitute_character', "none");
$sEncoding       = mb_detect_encoding($sOriginalFilename);
$sTargetFilename = iconv($sEncoding, "Windows-1252//TRANSLIT", $sOriginalFilename);
$sTargetFilename = mb_convert_encoding($sTargetFilename, 'UTF-8', 'Windows-1252');

但这将完全删除/重新编码字符串中留下的任何特殊字符。例如，我失去了所有 "äöüÄÖÜ" 等。，这在德语中很有规律。

如果您知道一种更简洁的Windows-1252编码方法（不丢失有效的特殊字符），请告诉我。

任何帮助都非常感谢。提前谢谢你！

Answer 1

在文件系统中保持ASCII-如果您需要在文件名中保持ASCII以外的字符，可以使用一些方案来表示Unicode字符，同时保持ASCII。

例如，百分比编码：

。txt

当然，这会很快达到文件名限制，而且不是很理想。

punycode怎么样？

。txt

Answer 2

你不能让一个字符串同时是Windows-1252和UTF-8。前128个字符的字符集是相同的（例如，它们包含基本的拉丁字母），但是当它超出这个范围时（比如UmLauts），它要么是一个，要么是另一个。它们在UTF-8中的代码点与在Windows-1252中的代码点不同。

Answer 3

我认为主要的问题是mb_detect_encoding（）并不像您想象的那样。它试图检测字符编码，但它是从相当有限的预定义编码列表中检测的。默认情况下，这些编码是mb_detect_order（）返回的编码。在我的计算机中，它们是：

• ASCII码

因此，除非编译候选编码列表并将其提供给函数，否则此函数是完全无用的。

此外，基本上没有可靠的方法来猜测任意输入字符串的编码，即使您仅限于编码的一小部分。在您的情况下，Windows-1252与ISO-8859-1和ISO-8859-15非常接近，除了对关键字符（如€或€）进行目视检查之外，您无法将它们区分开来。