à ©和其他代碼

Question

我得到一個文件充滿了這些代碼，我想「翻譯」到正常的字符（我的意思是一個完整的文件）。我該怎麼做？

非常感謝您提前。

Answer 1

看起來你最初有一個被解釋爲8位編碼（例如ISO-8859-15）和實體編碼的UTF-8文件。我這樣說是因爲序列C3A9看起來像一個相當可信的UTF-8 encoding sequence。

您需要先對其進行實體解碼，然後再次使用UTF-8編碼。然後你可以使用類似iconv的東西來轉換爲你選擇的編碼。

要通過你的工作，例如：

• &＃XC3; &＃xA9;將被解碼爲字節序列0xC3A9
• 0xC3A9 = 11000011 10101001二進制
• 在第一個八位字節中的前導110告訴我們這可能被解釋爲一個UTF-8兩字節序列。由於第二個八位字節以10開頭，我們正在尋找一些我們可以解釋爲UTF-8的東西。要做到這一點，我們採取的第一個字節的最後5位，第二個字節的最後6位...
• 因此，解釋爲UTF8這是00011101001 = E9 = E（LATIN SMALL LETTER E WITH ACUTE）

你提到想用PHP來處理這個問題，像這樣的東西可能會爲你做：

//to load from a file, use 
//$file=file_get_contents("/path/to/filename.txt"); 
//example below uses a literal string to demonstrate technique... 

$file="&Précédent is a French word"; 
$utf8=html_entity_decode($file); 
$iso8859=utf8_decode($utf8); 

//$utf8 contains "Précédent is a French word" in UTF-8 
//$iso8859 contains "Précédent is a French word" in ISO-8859