Problème d'écriture codé en UTF-8 fichier en PHP

J'ai un gros fichier qui contient monde pays/régions que je suis séparant en petits fichiers basés sur les différents pays/régions. Le fichier d'origine contient des entrées comme:

  EE.04 Järvamaa
  EE.05 Jõgevamaa
  EE.07 Läänemaa

Cependant, quand je l'extrait et l'écrire dans un nouveau fichier, le texte devient:

  EE.04  Järvamaa
  EE.05  Jõgevamaa
  EE.07  Läänemaa

Pour enregistrer mes fichiers, je suis en utilisant le code suivant:

mb_detect_encoding($text, "UTF-8") == "UTF-8" ? : $text = utf8_encode($text);
$fp = fopen(MY_LOCATION,'wb');
fwrite($fp,$text);
fclose($fp);

J'ai essayé d'enregistrer les fichiers avec et sans utf8_encode() et aucun ne semble fonctionner. Comment puis-je sauver le codage d'origine (qui est de l'utf-8)?

Merci!

est l'éditeur avec lequel vous êtes en train de visualiser le fichier généré en l'interprétant comme UTF8? 🙂
Faites-vous traiter votre fichier après l'avoir lu? Est votre source en PHP fichier en UTF-8?
Btw. Je ne voudrais pas compter sur mb_detect_encoding. Si vous savez que le $texte est déjà en utf8 juste de le supprimer ainsi que l'appel à utf8_encode.
ouais, je suis en utilisant le même éditeur pour afficher les deux fichiers (l'original et le nouveau fichier). @dionyziz, oui, c'est. Y aurait-il une différence si elle ne l'était pas?

OriginalL'auteur user387302 | 2010-08-20

  1. 4

    Tout d'abord, ne dépendent pas de mb_detect_encoding. Ce n'est pas grand à déterminer ce que l'encodage est moins qu'il y a un tas de codage des entités particulières (sens des entités qui ne sont pas valides dans d'autres encodages).

    Essayez juste de se débarrasser de la mb_detect_encoding ligne tous ensemble.

    Oh, et utf8_encode tourne un Latin-1 chaîne dans un UTF-8 chaîne (pas de l'arbitraire d'un jeu de caractères à UTF-8, qui est ce que vous voulez vraiment)... Vous voulez iconv, mais vous avez besoin de connaître la source de l'encodage (et puisque vous ne pouvez pas vraiment faire confiance à mb_detect_encoding, vous aurez besoin de comprendre d'une autre façon).

    Ou vous pouvez essayer d'utiliser iconv avec un vide encodage en entrée $str = iconv('', 'UTF-8', $str); (qui peut ou peut ne pas fonctionner)...

    Lorsque j'ai utilisé iconv avec un vide encodage en entrée, il me donne un avis indiquant que la fonction "découverte d'un caractère illégal dans la chaîne d'entrée" et la sortie est toujours foiré. Comment puis-je essayer de comprendre la source de l'encodage?
    Vous pouvez essayer d'utiliser mb_detect_encoding et de nourrir le résultat dans iconv. Mais la réaliser il y a quelques limitations pour les jeux de caractères qu'il peut détecter. Si elle renvoie false, votre autre option est le buste d'un éditeur hexadécimal et trouver les entités connues de caractères multi-octets et ensuite, essayez de rechercher le glyphe sur internet pour essayer de comprendre quel encodage il est. Où avez-vous récupérer les fichiers à partir (Que peut fournir une indication)...
    J'ai obtenu le fichier à partir de geonames.org (download.geonames.org/export/dump/readme.txt). Selon le site web de l'encodage est UTF-8.
    Eh bien, c'est probablement pas valide UTF-8 ensuite. Même si elle avait une BOM (Byte Order Mark) elle sera traitée comme un caractère normal... Donc, quelque chose d'autre se passe. La seule chose que je pouvais dire, c'est d'utiliser Wikipédia comme une référence avec un éditeur hexadécimal et essayer de trouver où le caractère non valide(s) est(sont)...
    La sortie j'ai eu a été: ef 41 41 41 41 41 41 41 41 41 Ce que signifie exactement?

    OriginalL'auteur ircmaxell

  2. 1

    Il ne fonctionne pas comme ça. Même si vous utf8_encode($theString) vous ne pourrez pas CRÉER un fichier UTF8.

    La bonne réponse a quelque chose à voir avec la UTF-8 marque d'ordre d'octet.

    Cela pour comprendre le problème:
    - http://en.wikipedia.org/wiki/Byte_order_mark

    - http://unicode.org/faq/utf_bom.html

    La solution est la suivante:
    Comme l'UTF-8 marque d'ordre d'octet est '\xef\xbb\xbf' on devrait ajouter à l'en-tête du document.

    <?php
function writeStringToFile($file, $string){
$f=fopen($file, "wb");
$file="\xEF\xBB\xBF".$string; //utf8 bom
fputs($f, $string);
fclose($f);
}
?>

    $Fichier peut être de tout texte ou xml...
    L' $string est votre chaîne encodée en UTF8.

    Essayez-le maintenant et il va écrire un fichier encodé en UTF8 avec votre UTF8 contenu (chaîne de caractères).

    writeStringToFile('test.xml', 'éèàç');
    UTF-8 matériels connexes vous suggérons de ne pas créer les fichiers UTF-8 avec BOM. Pouvez-vous expliquer pourquoi vous pensez que vous suggérer de faire autrement? Aussi le code que vous avez posté des erreurs et ne fonctionne pas comme vous le décrire au travail. Veuillez passer en revue.
    Désolé, hakra, je l'ai corrigé. Je suis à l'aide de la NOMENCLATURE d'en-tête qu'il ne fonctionne pas pour moi de toute autre manière. Par exemple la solution soufflet produire le résultat suivant. "Ceci est une chaîne éÃà ç et c'est en utf-8" Création d'un en-tête de NOMENCLATURE produire le résultat attendu. "Ceci est une chaîne éèàç et il est en utf-8"
    Je ne suis pas sûr de savoir pourquoi vous déconseillons cette méthode car je ne pense pas qu'il sera possible de faire autrement. Si vous afficher le résultat sur une page HTML et définir l'encodage en UTF8, il affiche correctement, il n'est pas nécessaire de modifier la NOMENCLATURE d'un fichier HTML. Mais quand il s'agit de fichiers texte, CSV et XML ils ne sont pas codés en UTF-8 et le simple fait de déclarer le document comme UTF8 ne produira pas le résultat attendu. Prenez simplement la séquence d'octets que la signalisation de l'UTF8 et essayer d'écrire un fichier xml avec la déclaration de '<?xml version="1.0" encoding="UTF-8"?>'. Ajouter "éèàç" comme un nœud et vérifier.
    C'est correct d'utiliser quelque chose si cela fonctionne pour vous. Je ne vais pas les conseils contre une solution de travail, ce n'était pas mon intention. De plus pour les faire pourquoi vous avez utilisé parce - qu'un exemple - si j'ai codé en UTF-8 fichier - CSV ou HTML, je n'ai pas de problème à traiter avec elle, même sans BOM. Afin de rendre le contexte de la réponse plus claire pour le lecteur. BOM dans les fichiers UTF-8 peut être problématique, par exemple, quand ils ne sont pas au début ou quand ils sont placés à plusieurs reprises dans le fichier.
    Ce n'est pas une bonne réponse, c'est juste un sale correctif. Utilisation d'une NOMENCLATURE est ni nécessaire ni recommandé pour l'UTF-8 unicode.org/versions/Unicode5.0.0/ch02.pdf

    OriginalL'auteur Florin Sima

  3. 0

    Peut-être que vous voulez l'appeler htmlentities($text) avant de les écrire dans le fichier et html_entity_decode($fetchedData) avant la sortie. Il va travailler avec les Scandinaves lettres.

    OriginalL'auteur CodeCafe

  4. -1

    Il semble que votre fichier source n'est pas, en fait, en UTF-8. Vous pourriez essayer d'utiliser la même approche que vous utilisez, mais avec un codage différent, tel que UTF-16 peut-être.

    OriginalL'auteur dvanaria

  5. -1

    Vous pouvez le faire comme suit:

    <?php
$s = "This is a string éèàç and it is in utf-8";
$f = fopen('myFile',"w");
fwrite($f, utf8_encode($s));
fclose($f);
?>

    OriginalL'auteur Aman