fgetcsv() 丢失带有变音符号（即非ASCII字符）的字符 - 如何修复？

Question

类似的问题：
PHP中fgetcsv()无法读取CSV文件中的某些字符，
fgetcsv()会忽略行首的特殊字符。

我的应用程序有一个表单，用户可以上传CSV文件（它的5个内部用户总是上传有效的文件 - 逗号分隔，带引号，记录以LF结束），然后使用PHP将文件导入数据库。

$fhandle = fopen($uploaded_file,'r');
while($row = fgetcsv($fhandle, 0, ',', '"', '\\')) {
    print_r($row);
    // further code not relevant as the data is already corrupt at this point
}

由于我无法更改原因，用户正在上传使用单字节、8位字符编码的 Windows-1250 字符集的文件。

问题是：在 fgetcsv() 中删除了一些（并非全部！）超过 127 的字符（“扩展ASCII”）。示例数据：

"15","Ústav"
"420","Špičák"
"7","Tmaň"

变成

Array (
  0 => 15
  1 => "stav"
)
Array (
  0 => 420
  1 => "pičák"
)
Array (
  0 => 7
  1 => "Tma"
)

请注意，保留了字母“č”，但省略了字母“Ú”。 fgetcsv 的文档称“自4.3.5版本以来，fgetcsv()现在是二进制安全的”，但看起来它并不是。我做错了什么吗？或者这个函数有问题，我应该寻找其他解析CSV的方法吗？

- Piskvor left the building

---

我会立即回答，这个 bug 之前已经困扰过我，我已经找到了原因；想与 SO 分享，因为这个 bug 很微妙。 - Piskvor left the building

（请澄清，Win-1250只是输入编码。数据稍后会转换并存储为UTF-8；这部分正常工作。最初的数据读取是问题所在。） - Piskvor left the building

Answer 1

事实证明，我没有仔细阅读文档-fgetcsv()只是有点二进制安全。它对于纯ASCII < 127是安全的，但文档还指出：

  

注意：

     

此函数考虑了区域设置。   如果LANG是例如en_US.UTF-8，则在此   函数中错误地读取一个字节的文件   编码

换句话说，fgetcsv()试图保持二进制安全性，但实际上并不是（因为它同时影响字符集），它可能会破坏它读取的数据（因为这个设置不是在php.ini中配置的，而是从$LANG中读取的）。

我通过使用fgets逐行读取（它逐字节工作，而不是逐字符）并使用文档中的注释所述的CSV函数将它们解析为数组来规避此问题：

$fhandle = fopen($uploaded_file,'r');
while($raw_row = fgets($fhandle)) { // fgets is actually binary safe
    $row = csvstring_to_array($raw_row, ',', '"', "\n");
    // $row is now read correctly
}

- Piskvor left the building

---

错误：fgets长度必须大于0，csvstring_to_array不存在。 - Phil

不是错误：如果没有定义，当然不存在 - 它需要明确定义，它不是内置的。从注释中使用CSV函数以及链接并不清楚？ - Piskvor left the building