PHP 判斷/移除 BOM(UTF-8)

BOM: 萬國碼檔案簽名 BOM (Byte Order Mark, U+FEFF)

BOM 的內容可以表示 UNICODE 是哪種編碼, 但是在接收到的檔案, 要拆解後寫入 DB, 看到 BOM 就覺得有點 ooxx.

在 utf8_encode 看到兩段程式可以來測試 寫入/移除 BOM.

由此上述 BOM = pack("CCC",0xef,0xbb,0xbf), 所以移除 BOM 的寫法可用上面的 removeBOM function 或 下述其一:

  • str_replace("\xef\xbb\xbf", '', $bom_content);
  • preg_replace("/^\xef\xbb\xbf/", '', $bom_content);

另外看到 判斷此字串是不是 UTF-8 的 function:

View Raw Code?
  1. <?php
  2. function isUTF8($string)
  3. {
  4. return (utf8_encode(utf8_decode($string)) == $string);
  5. }
  6. ?>

相關網頁

作者: Tsung

對新奇的事物都很有興趣, 喜歡簡單的東西, 過簡單的生活.

在〈PHP 判斷/移除 BOM(UTF-8)〉中有 11 則留言

  3. 您好，想請教您，如果是要在 Linux 下判斷檔案是否為 UTF-8 編碼(含 BOM 或不含 BOM 都要可判斷)，
    是否有比較好的方式呢？(非使用PHP)

    回覆

  5. 您好，謝謝！
    我的疑問是並非所有檔案在UTF-8時都會加上efbbbf的 BOM，
    所以，如果檔案 header 並沒有含入 efbbbf，
    是否有辦法能判斷是不是UTF-8格式呢？

    回覆

  6. 此文最下面那個 function 就可以判斷那篇是否是 UTF-8 的文章.
    或者使用 iconv -f utf-8 -t big5 filename, 如果能順利轉換, 那也代表這篇文章是 UTF-8.

    回覆

  7. 謝謝您的回答。
    iconv 的誤判率其實蠻高的，目前我還在找除了加上BOM，還有什麼方法或工具可以用來自動偵測檔案的編碼為 UTF-8 或是 BIG5、GB2312、ISO8859-1、....等。
    看來要能自動偵測世界各國的編碼並不是那麼容易 XD

    回覆

  8. 嗯嗯, 偵測世界各國編碼, PHP 有一個 function, 不過準確率確實也有點問題.
    如果您有找到, 也勞煩您跟小弟指導一下, 我也蠻想知道怎麼解決此問題的. Orz..

    回覆

  9. Hello~我是NC網頁設計師，現在是半夜12點，謝謝您這一篇文章讓我抓出某第三方支付API中無法json_decode的問題~

    回覆

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料。