这是一个创建于 3551 天前的主题，其中的信息可能已经有所发展或是发生改变。
主要功能是从压缩包中读取文本文件的部分内容
现在用PHP自带的函数已经可以做到从rar及zip压缩包中直接读取文件信息，也可以直接用zip_entry_read或fread读文本的内容，现在的问题是utf-8的页面读gbk文件，读出来也无法做任何转换可能了吧，试了些转换函数，无解。
所以唯一的办法还是把文件拿出来，整个都转了以后，读内容，然后再把文件删除这种办法了么
求解！
 |
1
b821025551b 2015-03-05 17:59:16 +08:00
mb_convert_encoding($file, 'utf-8', 'gbk');
|
 |
2
Jack OP @b821025551b 所以还是要转整个文件了？
|
 |
4
lk09364 2015-03-05 18:45:48 +08:00
|
 |
5
iyaozhen 2015-03-05 19:48:31 +08:00
读出的文件内容就是字符串吧。
然后用mb_convert_encoding或iconv转换、输出不就行了。哪儿有问题？ |
 |
6
msg7086 2015-03-05 19:54:09 +08:00 via iPhone
不就是读gbk的字幕么？
拿到文字以后iconv一下就好啊 |
|
7
Jack OP |
 |
9
kankana 2015-03-05 21:21:25 +08:00
编码问题真心麻烦啊.
php根本没法准确地判断出用户提供的源文件内容是啥编码字符集. 试了n种方法,还是没法完美解决. 仍然有些字符呈现 black diamond with question mark, 不过好歹保存时, mongo不报错了. 现在客户提到了这个 问号 问题, 我都不知道怎么解决... 你让他们文件保存时,编码选择utf-8, 能听懂吗?? lz要是解决了, 麻烦提供下方案. 我目前的方法. $encoding = mb_detect_encoding($str, "auto"); mb_substitute_character("none"); mb_convert_encoding($str, 'UTF-8', $encoding); |
|
10
kankana 2015-03-05 21:24:33 +08:00
我这里提供个文件供大家测试下.
http://expirebox.com/download/0b36bb0e05e52ceb66c8fc70a0eb12b0.html 看看有没有人能用php检测出这个zip的txt文件的编码字符集 |
|
11
kankana 2015-03-05 21:25:52 +08:00
或者直接转换成utf-8不报错
|
 |
12
zado 2015-03-05 21:32:13 +08:00
先做一个高频字列表,然后把要转的字串各种可能的编码都转一遍,最后结果字串中高频字出现得多的就假定他是正确的.这是我想到的一个方法,没有实践过啊.
|
|
14
Jack OP  1
@lk09364
http://expirebox.com/download/a6f9ca61560a889e2ebd4e47dbd5c356.html 试试这个，mac里面能打开，file_get_contents到页面中是乱码 |
|
15
kankana 2015-03-05 22:11:36 +08:00
@Jack 额.... 可能我们两的问题不太一样.
我那边的客户都是idiot, 上传的文件编码都是不同的, 但是我还是得把内容转换成utf-8... 所以, 你的方法也不行. convert everything to utf-8 |
|
16
Jack OP |
 |
17
typcn 2015-03-05 22:53:34 +08:00
|
|
18
kankana 2015-03-05 22:54:30 +08:00
@Jack
我用你的方法 mb_convert_encoding($content,'utf-8', array('Unicode','ASCII','GB2312','GBK','UTF-8')); 处理我之前给的链接的那个zip里面的txt, 还是失败了 mb_convert_encoding(): Unable to detect character encoding 我那个是txt是windows 1252编码, 你又没包含进去, 怎么能行呢? 哈哈,难道我人品问题 |
|
19
kankana 2015-03-05 23:19:17 +08:00
再试试你的birdman文件, 你我的方法, 都是卡在 mb_convert_encoding(): Illegal character encoding specified
看样子, 咱用的php版本可能不同, 我5.6 算了,不折腾了. 洗洗睡了. 明天国外问问, 其实也不抱太大希望... 遇到这类问题的很多.. |
|
20
lk09364 2015-03-05 23:31:45 +08:00 1
@Jack 这东西是UTF-16LE……OTL
http://php.net/manual/en/function.mb-detect-order.php > For UTF-16, UTF-32, UCS2 and UCS4, encoding detection will fail always. 为什么呢… 我不知道…… 我发现在我的环境里 mb_detect_encoding 不能正常分辨 UTF-8，UTF-16LE，BIG5 。 在网上东拼西拼拼出了这个东西，可以正常阅读你给出的文档。 https://gist.github.com/applelam/0497b2ce31d9784f32db 不过如果遇到UTF-16 without BOM 的话依然会出问题， 文字处理真的很麻烦呢…… @kankana 我连windows 1252 也未听说过—— |
|
23
lk09364 2015-03-05 23:44:57 +08:00 1
|
 |
24
river1007 2015-03-06 10:00:50 +08:00
页面中乱码？ 设置下meta 的content charset？
|
|
27
lk09364 2015-03-06 17:33:24 +08:00
|
|
28
Jack OP @lk09364 我测试了下。。。这还不是长度问题，不知道方便与否加下我的QQ，在个人资料里有，我这儿10行的中英文混合UTF8字符串依旧认成了别的。无解啊
|
|
29
lk09364 2015-03-06 19:57:54 +08:00
|
Select Language