Tipps - File-Encoding erkennen

File-Encoding erkennen

  • PHP
  • file
  • encoding
  • detection
  • UTF-8
  • ISO-8859-1
In PHP gibt es keine fertige Funktion, um die Kodierung einer Datei zu erkennen, mb_detect_encoding arbeitet nur mit Strings und ist bei ähnlichen Zeichensätzen unzuverlässig. Mit folgender Funktion ist es möglich, die Kodierung einer Datei herauszufinden.
/**
* detect file encoding
*
* @param string $file file path
* @return string|null returns the encoding or null if the file is not readable
*/
function detectFileEncoding($file)
{
$str = file_get_contents($file);
if($str === false)
{
return null;
}
// check byte order mark
$boms = [
'UTF-8' => "\xEF\xBB\xBF",
'UTF-16LE' => "\xFF\xFE",
'UTF-16BE' => "\xFE\xFF",
];
foreach($boms as $encoding => $bom)
{
if(str_starts_with($str, $bom))
{
return $encoding;
}
}
// check for valid UTF-8, otherwise fall back to ISO-8859-1
if(mb_check_encoding($str, 'UTF-8'))
{
return 'UTF-8';
}
return 'ISO-8859-1';
}
Zuerst wird geprüft, ob die Datei mit einer Byte Order Mark (BOM) beginnt, diese gibt die Kodierung eindeutig an. Ohne BOM wird mit mb_check_encoding geprüft, ob der gesamte Inhalt gültiges UTF-8 ist. Da in ISO-8859-1 jede Bytefolge gültig ist, wird dieser Zeichensatz als Rückfallwert verwendet. UTF-16 ohne BOM kann auf diese Weise nicht zuverlässig erkannt werden.