à ©和其他代码

Question

我得到一个文件充满了这些代码，我想“翻译”到正常的字符（我的意思是一个完整的文件）。我该怎么做？

非常感谢您提前。

Answer 1

看起来你最初有一个被解释为8位编码（例如ISO-8859-15）和实体编码的UTF-8文件。我这样说是因为序列C3A9看起来像一个相当可信的UTF-8 encoding sequence。

您需要先对其进行实体解码，然后再次使用UTF-8编码。然后你可以使用类似iconv的东西来转换为你选择的编码。

要通过你的工作，例如：

• &＃XC3; &＃xA9;将被解码为字节序列0xC3A9
• 0xC3A9 = 11000011 10101001二进制
• 在第一个八位字节中的前导110告诉我们这可能被解释为一个UTF-8两字节序列。由于第二个八位字节以10开头，我们正在寻找一些我们可以解释为UTF-8的东西。要做到这一点，我们采取的第一个字节的最后5位，第二个字节的最后6位...
• 因此，解释为UTF8这是00011101001 = E9 = E（LATIN SMALL LETTER E WITH ACUTE）

你提到想用PHP来处理这个问题，像这样的东西可能会为你做：

//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