php - 不同的utf8编码？

Question

我对 utf8 编码有一个小问题。我尝试编码的词是“kühl”。所以它有一个特殊的字符。

当我在第一个文件中用 utf8 编码这个字符串时，我得到：

科尔

当我在第二个文件中用 utf8 编码这个字符串时，我得到：

库尔

使用 php utf8_encode() 我总是将第一个 (kühl) 作为输出，但我需要第二个作为输出 (kuÌ�hl)。

mb_detect_encoding 告诉我它是“UTF-8”，所以这并没有真正的帮助。

你有什么想法让第二个作为输出吗？提前致谢！

Answer 1

只有一种编码称为 UTF-8，但有多种方法可以在 Unicode 中表示某些字形。 U+00FC是拉丁语 1 兼容性单字形预组合 ü，在拉丁语 1 中显示为 kühl 而从我的头顶kuÌ�hl 看起来像是同一个字符的完全分解的表达式，即U+0075 (u) 后跟U+0308（组合分音符号）。另见http://en.wikipedia.org/wiki/Unicode_equivalence#Normalization

vbvntv$ perl -CSD -le 'print "ku\x{0308}hl"' | iconv -f latin1 -t utf8
ku�hl
vbvntv$ perl -CSD -le 'print "ku\x{0308}hl"' | xxd
0000000: 6b75 cc88 686c 0a                   ku..hl.

0x88 不是 Latin-1 中的有效字符，因此（在我的浏览器中）它显示为“无效字符”占位符（带有白色问号的黑色菱形），而其他人可能会看到其他内容，或者什么也看不到。

显然，您可以使用class.normalizePHP 在这两种形式之间进行转换：

$normalized = Normalizer::normalize($input, Normalizer::FORM_D);

顺便说一句，将 UTF8 视为 Latin-1 并复制/粘贴表示，就好像它是实际的真实文本一样，充其量是反复无常的。如果您有字符编码问题，实际字节（例如，十六进制）是表达您所拥有内容的唯一可移植、可理解的方式。在许多情况下，您的计算机如何呈现它是不可预测的，尤其是当编码有问题或未知时。我坚持您在问题中使用的演示文稿，但是如果您还有其他问题，请注意明确地阐明问题。

Answer 2

utf8_encode，尽管它的名字，并没有神奇地编码成 UTF-8。

只有当您的来源是 ISO-8559-1（也称为 latin-1）时，它才会起作用。

如果您的源已经是 UTF-8 或任何其他编码，它将输出损坏的数据。