Bagaimanakah Saya Boleh Mengesan Pengekodan Aksara Fail Teks dengan Amanah?

Mengesan Pengekodan Aksara dalam Fail Teks

Apabila bekerja dengan fail teks, adalah penting untuk mengetahui pengekodan aksara yang digunakan untuk mentafsir fail dengan betul. Artikel ini meneroka kaedah untuk mengesan pengekodan aksara bagi fail teks.

Had BOM (Byte Order Mark)

Bahagian awal fail teks mungkin mengandungi Byte Order Mark (BOM) , menunjukkan pengekodan aksara. Walau bagaimanapun, tidak semua pengekodan menggunakan BOM, dan UTF-8, pengekodan yang digunakan secara meluas, sering mengabaikannya. Oleh itu, bergantung semata-mata pada pengesanan BOM adalah tidak mencukupi.

Kaedah Pengesanan Ganti

UTF-32

• BOM: 00 00 FE FF (BE) atau FF FE 00 00 (LE)
• Corak: 00 {00-10} xx xx (BE) atau xx xx {00-10} 00 (LE)

AS-ASCII

• Tiada BOM
• Kekurangan bait dalam 80-FF julat

UTF-8

• BOM: EF BB BF
• Mengesahkan sebagai UTF-8 ialah penunjuk kukuh
• Analisis statistik untuk palsu positif

UTF-16

• BOM: FE FF (BE) atau FF FE (LE)
• Pasangan pengganti (D[8-B] xx D[C-F]xx)

Lain

• XML: Cari pengekodan= pengisytiharan, lalai kepada UTF-8
• Pengekodan lain: Pengesanan statistik atau alat luaran

Lalai Biasa

Jika kaedah pengesanan standard gagal dan tiada pengisytiharan pengekodan ditemui, pertimbangkan andaian ISO-8859-1 atau Windows-1252. Ini ialah pengekodan yang biasa digunakan dalam persekitaran berbahasa Inggeris.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengesan Pengekodan Aksara Fail Teks dengan Amanah?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!