Dotaz: php nedetekuje správne encodovanie načítaného stringu

[adrinko]

prosím Vás, chcem použiť mb_detect_encoding na zistenie ako je enkódovaný string zo súboru (celý kód nižšie). Avšak žiadna hodnota sa mi z tejto funkcie nevracia.

ako je to možné?

txt.txt je v cp1250 a môj php skript v utf8. keď ale encodujem txt.txt ako utf, tak to pekne vráti hodnotu UTF-8. čo robím zle? skrátka potrebujem zistiť, ako je enkódovaná hodnota v stringu z načítaných súborov (P.S. nechcem zisťovať priamo kodovanie súboru, musím vždy to zistiť z načítaného obsahu).

$myFile = $up . "files/txt.txt"; 
$fh = fopen($myFile, 'r');
$nacitane = fread($fh, filesize($myFile));
fclose($fh);

$cur_encoding=mb_detect_encoding($nacitane, "auto");
echo $cur_encoding ."
";

---

---

Odpovědi

[Šangala]

Se to píše jasně:
Return Values:
The detected character encoding or FALSE if the encoding cannot be detected from the given string.
UTF-8 je obvykle snadné detekovat, nejsou li tam znaky nad 127 je to to samé jak ASCII, a jsou-li tam, tak jich stačí pár.
PS: - Funkce je více méně statistická…

[adrinko]

len mi nejde do hlavy, prečo to nedetekuje cp1250 ? keďže obsah súboru je tak uložený.

[Sten]

cp1250 (stejně jako naprostá většina ostatních kódování) nikde v sobě neukládá informaci, že jde o cp1250. mb_detect_encoding se pokouší kódovou stránku odhadnout podle používaných bajtů, ale cp1250 a třeba ISO 8859-2 jsou velmi podobné, tak je často velmi obtížné je rozlišit.

[dopisovatel]

Funkce mb_detect_encoding() defaultně detekuje pouze ASCII a UTF-8. Pokud potřebuješ detekovat i další znakové sady, musíš si je přidat. Viz php.cz.