PHP str_getcsv去除umlauts

Question

在PHP中解析包含德语umlauts（-> ä，ö，ü，Ä，Ö，Ü）的CSV字符串时，我遇到了一个小问题。

假设以下是csv输入字符串：

w;x;y;z
48;OSL;Oslo Stock Exchange;B
49;OTB;Österreichische Termin- und Optionenbörse;C
50;VIE;Wiener Börse;D

以下是用于解析字符串并创建包含来自csv-String的数据的数组的适当PHP代码：

public static function parseCSV($csvString) {
    $rows = str_getcsv($csvString, "\n");
    // Remove headers ..
    $header = array_shift($rows);
    $cols = str_getcsv($header, ';');
    if(!$cols || count($cols)!=4) {
        return null;
    }
    // Parse rows ..
    $data = array();
    foreach($rows as $row) {
        $cols = str_getcsv($row, ';');
        $data[] = array('w'=>$cols[0], 'x'=>$cols[1], 'y'=>$cols[2], 'z'=>$cols[3]);
    }
    if(count($data)>0) {
        return $data;
    }
    return null;
}

调用上述函数并使用给定的csv字符串的结果为：

Array
(
    [0] => Array
        (
            [w] => 48
            [x] => OSL
            [y] => Oslo Stock Exchange
            [z] => B
        )

    [1] => Array
        (
            [w] => 49
            [x] => OTB
            [y] => sterreichische Termin- und Optionenbörse
            [z] => C
        )

    [2] => Array
        (
            [w] => 50
            [x] => VIE
            [y] => Wiener Börse
            [z] => D
        )
)

请注意，第二个条目缺少Ö。只有当umlaut直接放置在列分隔符字符之后时才会发生这种情况。如果连续放置了多个umlaut，例如"ÖÖÖsterreich"，则也会发生这种情况，即"sterreich"。CSV字符串使用HTML表单发送，因此内容会被URL编码。我使用的是带有UTF-8编码的Linux服务器，在解析之前，CSV字符串看起来正确。有什么想法吗？

- Javaguru

---

无法复制。对我来说可行。http://codepad.viper-7.com/v6WIaT - Gordon

这是一个编码问题。我尝试直接在 PHP 文件中使用 UTF-8 编码将字符串放置，然后它起作用了。现在，在解析代码之前，我使用 $csvString = utf8_encode($csvString);，它像魔法一样正常工作了。 - Javaguru

我想，我应该确保所有表单数据都使用UTF-8进行编码，使用<meta http-equiv="Content-Type" content="text/html; charset=utf-8"/>元标记和适当的HTTP响应头。 - Javaguru

你也可以在HTML中设置表单接受字符集：accept-charset。 - hakre

在Windows上可以运行，但在Linux机器上出现了这个问题。 - Josef Sábl

Answer 1

假设 fgetcsv (http://php.net/manual/en/function.fgetcsv.php) 的工作方式类似于 str_getcsv()，那么引用手册上的话：

此函数考虑了区域设置。如果LANG是例如en_US.UTF-8，则此函数错误地读取单字节编码的文件。

那么您应该尝试使用 setlocale http://php.net/manual/en/function.setlocale.php 来设置语言环境。

如果这不起作用，请尝试启用多字节重载 http://www.php.net/manual/en/mbstring.overload.php。

或者更好的方法是使用标准框架库，如Zend/Symfony库来提取数据。

- gingerCodeNinja

Answer 2

我曾经遇到过类似的问题，数据来自于 Microsoft Excel 并保存为 CSV 格式（是的，在“另存为...”对话框的“Web选项”中选择了 UTF8 编码）。但是，似乎这并不是 str_getcsv 期望的相同 UTF8 编码。

现在我先通过 iconv 处理所有内容，然后它就可以正常工作了 - Excel 的 CSV 文件似乎有些问题：

iconv -f windows-1252 -t utf8 source.csv > output.csv

- Coder