检测URL查询字符串编码

Question

在请求URL中，我可以得到查询字符串?dir=Documents%20partag%C3%A9s 或 ?dir=Documents%20partag%E9s。我认为第一个是UTF-8编码，第二个是ASCII编码。

真正的字符串是：Documents partagés 因此，我有一个用PHP编写的脚本（使用UTF-8编码），我想做的是检测查询字符串是ASCII编码还是UTF-8编码，如果是ASCII编码，则将其转换为UTF-8编码。

我尝试过使用mb_函数，但是查询字符串总是被检测为ASCII编码，并且URL解码版本被检测为UTF-8编码。

我应该如何实现这一点？请注意，维基百科有一个类似的功能 - 它将自己编码为%E9，并转换为%C3%A9。

- Velcro

---

也许php.net上的这条评论可以帮到你：http://at2.php.net/manual/en/function.mb-check-encoding.php#95289 - thedom

Answer 1

E9 在十进制中是233。它不是有效的ASCII字节（仅限0-127），但在ISO-8859-1（Latin1）中是é。当使用mb_convert_encoding时，您可以指定多个编码（例如：UTF-8和ISO-8859-1）。

这应该可以解决问题：

mb_convert_encoding($str, 'UTF-8', 'UTF-8,ISO-8859-1');

使用以下脚本：

$str1 = 'Documents%20partag%E9s';
$str2 = 'Documents%20partag%C3%A9s';
var_dump(mb_convert_encoding(urldecode($str1), 'UTF-8', 'UTF-8,ISO-8859-1'));
var_dump(mb_convert_encoding(urldecode($str2), 'UTF-8', 'UTF-8,ISO-8859-1'));

I get:

string(19) "Documents partagés"
string(19) "Documents partagés"

- netcoder

---

urldecode 将把 %E9 解码为值为 0xE9 的 字节，无论这个字节可能代表什么字符。 - Gumbo

这也是错误的。一个字节就是一个字节，字符串也只是一系列字节，它们只是数据而不是信息。只有在特定的字符编码下解释这些字节时，它们才不仅是字节，还代表着字符，因此是信息。 urldecode 仅将 %93 转换为值为 0x93 的字节。仅当使用特定的字符编码（如 ISO 8859-1）解释该字节时，该字节才表示该字符集中的一个字符（只要该字节序列有效）。 - Gumbo

US-ASCII字符集仅有128个字符（使用0x00-0x7F编码）。任何其他字节都是无效的。 - Gumbo

@Gumbo: 等等，这是真的。我觉得我突然混淆了所有字符集。那就算了。 - netcoder