csv 中繁体汉字导入数据库乱码

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 504 天前的主题，其中的信息可能已经有所发展或是发生改变。

csv 里边繁体汉字的格式是 CP936 ，相当于是 gbk 的别称。然后通过下边两个函数均无效。所以想知道问题出在哪里？

         $typeofData = mb_detect_encoding($val, array("GBK", "GB2312", "UTF-8", "ASCII", "BIG5"));
                if ($typeofData == 'CP936') {
//                    $val = @iconv("GBK", "UTF-8//TRANSLIT//IGNORE", $val);
                    $val = mb_convert_encoding($val, 'GBK', $typeofData); //转成 UTF-8
                }

12 条回复 • 2022-12-06 16:21:47 +08:00

awanganddong

2022-12-06 11:14:21 +08:00

这是相关联的帖子

https://www.v2ex.com/t/516880

awanganddong

2022-12-06 11:17:33 +08:00

对数据进行 print_r(bin2hex($test));
转码前后的值是一样的
20c2e0b162
20c2e0b162

ysc3839

2022-12-06 11:25:41 +08:00

发数据来看看？

IvanLi127

2022-12-06 11:32:26 +08:00

CP936 好像实现了 GB2312 + 部分 GBK ？

2022-12-06 11:39:19 +08:00

但是你这个代码不是应该 if ($typeofData == 'GBK') 吗

2022-12-06 11:50:14 +08:00

尴尬，测试了一下，确实是返回 CP936 。
转成 UTF-8 是
$val = mb_convert_encoding($val, 'UTF-8', $typeofData); //转成 UTF-8

awanganddong

2022-12-06 11:53:49 +08:00

我上传的 csv 文件是 big5 类型的，用这个就可以解决。
$val = @iconv("Big5", "UTF-8//TRANSLIT//IGNORE", $val);

问题在于怎么识别出文件真实类型，
$typeofData = mb_detect_encoding($val, array("GBK", "GB2312", "UTF-8", "ASCII", "BIG5"));
我打印出来的就是 CP936 ，这个就很困惑了

awanganddong

2022-12-06 11:57:12 +08:00

可以通过编码检测工具对编码进行检测

2022-12-06 11:59:23 +08:00

@awanganddong CP936 就是 GBK ，GBK 和 BIG5 的编码范围重合，很容易会误判。

awanganddong

2022-12-06 12:04:29 +08:00

谢谢大家了

xuyang2

2022-12-06 15:23:23 +08:00

不要 **detect** encoding ，detect 实际上是**guess**
已知编码时直接用 mb_check_encoding mb_convert_encoding 就好了

awanganddong

2022-12-06 16:21:47 +08:00

@xuyang2 明白了，谢谢