如果它是变音符号,fgetcsv正在吃字符串的第一个字母

Question

我将内容从Excel生成的CSV文件导入XML文档,如:

$csv = fopen($csvfile, r);
$words = array();

while (($pair = fgetcsv($csv)) !== FALSE) {
    array_push($words, array('en' => $pair[0], 'de' => $pair[1]));
}

插入的数据是英语/德语表达.

我将这些值插入XML结构并输出XML,如下所示:

$dictionary = new SimpleXMLElement('<dictionary></dictionary>');
//do things
$dom = dom_import_simplexml($dictionary) -> ownerDocument;
$dom -> formatOutput = true;

header('Content-encoding: utf-8'); //<3 UTF-8
header('Content-type: text/xml'); //Headers set to correct mime-type for XML output!!!!

echo $dom -> saveXML();

这工作正常,但我遇到一个非常奇怪的问题.当String的第一个字母是变音符号(如in Österreich或Ägypten)时,将省略该字符,从而产生gypten或sterreich.如果变音符号位于String(Russische Föderation)的中间,则会正确传输.对于喜欢ß或类似的é东西也是如此.

所有文件均采用UTF-8编码,并以UTF-8格式提供.

对我来说,这似乎很奇怪,而且我可能会错过一些东西,这里有很多聪明的人.

Answer 1

好吧，这似乎是 中的一个错误fgetcsv。

我现在正在自己处理 CSV 数据（有点麻烦），但它正在工作，而且我根本没有任何编码问题。

这是我正在做的（尚未优化的版本）：

$rawCSV = file_get_contents($csvfile);

$lines = preg_split ('/$\R?^/m', $rawCSV); //split on line breaks in all operating systems: http://stackoverflow.com/a/7498886/797194

foreach ($lines as $line) {
    array_push($words, getCSVValues($line));
}

来自getCSVValues此处，需要处理这样的 CSV 行（逗号！）：

"I'm a string, what should I do when I need commas?",Howdy there

看起来像：

function getCSVValues($string, $separator=","){

    $elements = explode($separator, $string);

    for ($i = 0; $i < count($elements); $i++) {
        $nquotes = substr_count($elements[$i], '"');
        if ($nquotes %2 == 1) {
            for ($j = $i+1; $j < count($elements); $j++) {
                if (substr_count($elements[$j], '"') %2 == 1) { // Look for an odd-number of quotes
                    // Put the quoted string's pieces back together again
                    array_splice($elements, $i, $j-$i+1,
                        implode($separator, array_slice($elements, $i, $j-$i+1)));
                    break;
                }
            }
        }
        if ($nquotes > 0) {
            // Remove first and last quotes, then merge pairs of quotes
            $qstr =& $elements[$i];
            $qstr = substr_replace($qstr, '', strpos($qstr, '"'), 1);
            $qstr = substr_replace($qstr, '', strrpos($qstr, '"'), 1);
            $qstr = str_replace('""', '"', $qstr);
        }
    }
    return $elements;

}

这是一个相当多的解决方法，但似乎效果很好。

编辑：

还有一个已提交的错误，显然这取决于区域设置。