Php 智能引号未正确转换为UTF8

我有一个PHP脚本，可以导入和解析XML文件，并将数据保存到数据库中：

• 数据库排序：

  utf8\u general\u ci

  ，字符集：

  utf8

• 页面的字符集：

  utf-8

• XML文件：

  ANSI

  ，包含智能引号（来自MS Word）

因此，在导入过程中，我对XML文件中的文本执行

utf8\u encode（）

，然后保存到数据库中，并随后显示在页面上

但是当成功导入并保存到DB中时

• 数据库：智能引号保存为

  ？

  字符（从CMD查看）
• 页面：智能报价显示为方框

关于智能引号未正确转换的原因，即使使用

utf8\u encode（）

，您有什么想法吗

编辑：

@Tomalak:XML文件实际上是

.txt

，没有XML声明（

），也没有根元素。我的脚本实际上添加了一个根元素，以便解析器工作：

utf8\u编码（“”.file\u获取内容（$xmlfile）。“”）

似乎我需要添加一个XML声明。。？如果是这样，它应该是什么样子？
它们被正确地转换，因为utf8\u encode完全执行它应该执行的操作，并将它们从输入流中删除

utf8_编码将ISO-8859-1中的文本转换为UTF-8编码。ISO-8859-1不包含smartquote字符。您的网页在浏览器中可能被视为MSWIN1252编码，其中确实包含smartquote字符，您通过调用utf8_encode强制PHP输入ISO-8859-1。这意味着只有以下字符才能进入数据库：

要解决这个问题，您必须确保网页本身采用UTF-8编码，并从代码中删除所有utf8_encode/utf8_decode语句。本页介绍如何正确使用UTF-8:
如果XML字符串（即文件内容）未编码为UTF-8，则需要一个表示文件编码的XML声明。如果缺少XML声明，解析器将采用UTF-8

只要您不使用“特殊”字符（即ASCII范围之外的任何字符），即使您的文件不是真正的UTF-8编码，也可以在没有声明的情况下工作。这是因为UTF-8与ASCII是字节兼容的。但一旦使用了其中一个代码页上的字符（如“智能引号”），它就会中断，因为这些字符在UTF-8中由不同的字节表示

在您的例子中，有一些采用传统编码的文本文件，您可以使用根元素将其包装，以将其转换为格式良好的XML。因此，您需要自己添加XML声明：

'<?xml encoding="Windows-1252"?><article>'.file_get_contents($xmlfile).'</article>'

”。对于卷曲引号，预期的字节值为：


“
147（0x93）
“
148（0x94）

一旦声明了字符串中各个字节的含义，
DOMDocument
就可以理解它们，并做正确的事情

在DB中，我强烈怀疑有一些自动编码转换正在进行。我承认，我对PHP/mySQL/Unicode集成的了解还不够，不能肯定。
是的，问题是有两种类型的智能引号

windows-1252和拉丁语-1

utf8_encode假设它是拉丁语-1，因此它得到的智能引号是错误的

如果我们知道输入数据是windows-1252，我们可以使用iconv进行转换

$string=iconv ( "Windows-1252" , "UTF-8" , $oldstring );

这是真正的答案。
您能发布XML文件的XML声明（
）以及智能引号的字符代码（使用十六进制编辑器）吗？@Tomalak，我编辑了我的问题以回答您的评论您有错误。添加XML声明
。文件获取内容（$xmlfile）并卸下
utf8\u encode（）
部件。然后用
DOMDocument
解析结果字符串。只需确保
编码
声明与文本文件中的字节匹配即可。（至少我认为应该是这样。）@Tomalak：如果你能把那条评论改写成答案，我会把它作为公认的答案：）不过有一个问题，你怎么知道应该使用“windows-1252”？因为我尝试了“iso-8859-1”，但它不起作用（我在Firefox中打开了XML（txt）文件，该文件报告为iso-8859-1）@Tomalak:另外，为什么不需要使用utf8编码将其转换为utf8，因为数据库是utf8格式的？十进制60处的拉丁1字符呢？这不是一个聪明的引号吗？@bvdb不，这不是一个聪明的引号，而是一个反勾号。Windows-1252字符集上的智能引号字符为145到148：