webdevqa.jp.net

「ANSIasUTF-8」とは何ですか?fputcsv()でBOM付きのUTF-8を生成するにはどうすればよいですか?

以前に別のプロセスで生成されたCSVファイルを生成するPHPスクリプトを作成しました。次に、CSVファイルをさらに別のプロセスでインポートする必要があります。

古いCSVファイルのインポートは正常に機能しますが、新しいCSVファイルをインポートすると、特殊文字に関する問題が発生します。

Notepad ++で古いCSVを開くと、エンコーディングはUTF-8であると表示され、新しいCSVを使用して開くと、エンコーディングは「ANSIasUTF-8」と表示されます。

2つの違いは何ですか?

そして、どうすればfopenとfputcsvに「純粋」を使用させることができますか? UTF-8エンコーディング?

ありがとう!

19
Petruza

ファイルに問題はありません。 「ANSIasUTF-8」は、BOMがないことを意味しますが、Notepad ++は、バイトパターンを分析することにより、エンコーディングをUTF-8として明確に識別しました。ロシア語、ギリシャ語、ポーランド語のテキストを含むファイルを作成し、BOMなしでUTF-8として保存することでこれをテストしました。ここにあります:

# Russian
Следующая

# Greek
Επόμενη

# Polish
Więcej

これを別のエディター(EditPad Pro)で行い、16進モードを使用してBOMが存在しないことを確認しました。 NPPで開くと、エンコーディングが「ANSI as UTF-8」と表示され、すべての文字が正しく表示されました。次に、まだ16進モードで、最初のロシア文字の最初のバイトを削除しました。もう一度NPPで開くと、エンコーディングが「ANSI」と表示され、テキストの非ASCII部分が mojibake :として表示されました。

; Russian
¡Ð»ÐµÐ´ÑƒÑŽÑ‰Ð°Ñ

; Greek
Επόμενη

; Polish
Więcej

EditPadに戻り、今回はBOMを追加しましたが、キリル文字は修復しませんでした。今回、NPPはエンコーディングを「UTF-8」として報告し、以下に示すように、最初のロシア文字を除いてすべてが正しく表示されました。 「A1」は、UTF-8でその文字の2番目のバイトであるはずだったものの16進表現です。エラーを示すために、反転した配色で表示されました。

# Russian
A1ледующая

# Greek
Επόμενη

# Polish
Więcej

要約すると、BOMがない場合、Notepad ++は、値が127(または7F hex)より大きいため、ASCII文字)を表すことができないバイトを探します。いずれかですが、すべて TF-8 で必要なパターンに準拠しており、ファイルをUTF-8としてデコードし、ステータスバーのエンコーディングを「ANSIasUTF-8」として報告します。

ただし、UTF-8行に対応していないバイトが1つでも見つかった場合は、ファイルを「ANSI」としてデコードします。これは、基盤となるプラットフォームのデフォルトのシングルバイトエンコーディングを意味します。ファイルが破損している場合は、それが表示されます。

編集:ファイルはそれがなくても有効ですが、ファイルの先頭に3バイトの"EF BB BF"を手動で書き込むことで、 BOMを追加できますより良い方法。現在、どのようにコンテンツを生成していますか? is UTF-8であるため、どこかに少なくとも1つの非ASCII文字があります。それ以外の場合、NPPはそれを「ANSI」として報告します。

考慮すべきもう1つの可能性:CSVファイルを消費するプロセスに影響がある場合は、BOMなしでUTF-8を期待するように構成できます。技術的には、UTF-8 with BOMをデコードできるが、 without 1つをデコードできないソフトウェアはすべて壊れています。ユニコードコンソーシアムは、実際にはUTF-8 BOMの使用を推奨していませんが、誰もが聞いているわけではありません。

42
Alan Moore

Notepad ++関連のスレッド ここ および ここ によると、「ANSI asUTF-8」はUTF-8withoutBOM、プレーンな「UTF-8」はBOMを備えたUTF-8を意味します。したがって、CSVを読み取るプロセスでCSVをUTF-8として正しく読み取るには、 バイトオーダーマーク が必要な場合があります。

ただし、その前に、スクリプトが実際にUTF-8を記述していることを確認してください。 Notepad ++で新しいCSVを開くと(「ANSIas UTF-8」と表示されます)、すべての「特殊」文字が正しく表示されますか?そうでない場合は、実際にUTF-8を作成するようにスクリプトを調整する必要があります。そうである場合は、BOMの違いを確認してください。

6
Henrik Opel

PHPスクリプトもUTF-8に変更してみてください。バイパスできるにもかかわらず)データの同じ文字エンコードでスクリプトを使用する必要がある場合があります。

同様の問題: PHP:特殊文字を使用して爆発する

1
Havenard

PHPファイルをUTF-8としてフォーマットする場合、UTF-8としてのANSI、つまりBOMなしのUTF-8が役立つことに注意してください。PHPファイルがHTMLをブラウザに出力している場合、BOMはHTML出力に含まれ、 w3cvalidator は明示的に警告します。

UTF-8ファイルでバイトオーダーマークが見つかりました。

UTF-8でエンコードされたファイルのUnicodeバイトオーダーマーク(BOM)は、一部のテキストエディタや古いブラウザで問題を引き起こすことが知られています。より適切にサポートされるまで、その使用を避けることを検討することをお勧めします。

これに加えて、BOMがFirefoxのFirebugを混乱させていることに気づきました。これは、すべての<head>コンテンツは実際には<body> 鬼ごっこ。

0
icc97