à © 和其他代码

Question

我得到了一个充满这些代码的文件,我想把它"翻译"成普通的字符(整个文件,我的意思).我该怎么做？

非常感谢你提前.

Answer 1

看起来你最初有一个UTF-8文件,它被解释为8位编码(例如ISO-8859-15)和实体编码.我这样说是因为序列C3A9看起来像一个非常合理的UTF-8编码序列.

您将需要首先对其进行实体解码,然后再次使用UTF-8编码.然后,您可以使用像iconv这样的内容转换为您选择的编码.

要完成您的示例:

• Ã © 将被解码为字节序列0xC3A9
• 0xC3A9 = 11000011 10101001二进制
• 第一个八位字节中的前导110告诉我们这可以被解释为UTF-8双字节序列.当第二个八位字节以10开头时,我们正在寻找可以解释为UTF-8的东西.为此,我们取第一个八位位组的最后5位,以及第二个八位位组的最后6位......
• 所以,解释为UTF8它是00011101001 = E9 =é(带有急性的拉丁文小写字母E)

你提到想用PHP来处理这个问题,这样的事情可能适合你:

 //to load from a file, use
 //$file=file_get_contents("/path/to/filename.txt");
 //example below uses a literal string to demonstrate technique...

 $file="&Précédent is a French word";
 $utf8=html_entity_decode($file);
 $iso8859=utf8_decode($utf8);

 //$utf8 contains "Précédent is a French word" in UTF-8
 //$iso8859 contains "Précédent is a French word" in ISO-8859