PHP中的UTF8文件名和不同的Unicode编码

Question

我在运行linux的服务器上有一个包含Unicode字符的文件。如果我通过SSH进入服务器并使用制表符补全功能导航到包含Unicode字符的文件/文件夹，则可以轻松访问该文件/文件夹。当我尝试通过PHP访问文件时出现了问题（我从was访问文件系统的功能stat）。如果我将PHP脚本生成的路径输出到浏览器并将其粘贴到终端，则该文件似乎也存在（即使在终端中，文件路径也完全相同）。

我通过php_ini以及set将PHP设置为使用UTF8作为其默认编码mb_internal_encoding。我检查了PHP文件路径字符串编码，并按需要将其显示为UTF8。进一步研究一下，我决定hexdump使用é字符来表示终端的制表符补全，并将其与hexdump由PHP脚本或通过键盘手动输入的é字符（通过键盘上的option + e + e来创建）进行比较。 os x）。结果如下：

echo -né| 十六进制转储
0000000 cc65 0081                              
0000003
echo -né| 十六进制转储
0000000 a9c3                                   
0000002

在终端中允许正确引用文件的é字符是3个字节。我不确定从这里开始，我应该在PHP中使用哪种编码？我应该通过iconv或将路径转换为另一种编码mb_convert_encoding吗？

Answer 1

多亏了这两个答案中给出的提示，我才能够四处寻找并找到一些方法来规范给定字符的不同unicode分解。在这种情况下，我遇到的是访问由OS X Carbon应用程序创建的文件。它是一个相当流行的应用程序，因此其文件名似乎遵循特定的unicode分解。

在PHP 5.3 中引入了一组新的函数，使您可以将unicode字符串标准化为特定的分解。显然，您可以将Unicode字符串分解为四个分解标准。自2.3版以来，Python通过unicode.normalize具有unicode规范化功能。这篇有关python处理unicode字符串的文章有助于更好地理解编码/字符串处理。

这是有关规范unicode文件路径的快速示例：

filePath = unicodedata.normalize('NFD', filePath)

我发现NFD格式可以满足我的所有目的，我想知道这是否是Unicode文件名的标准分解。