PHP 判斷文本編碼的實用方法：基於 iconv 往返驗證

問題背景

處理用戶上傳文件、第三方 API 數據、爬蟲內容時，常面臨「這文本到底是什麼編碼？」的問題。PHP 沒有內置「檢測編碼」函數（mb_detect_encoding 準確率一般），但可以利用 iconv 往返轉換無損 的特性來驗證。

核心原理

若字符串 $str 真的是編碼 $encoding，則：

$str === iconv('UTF-8', $encoding, iconv($encoding, 'UTF-8', $str))

即：原編碼 → UTF-8 → 原編碼 往返後內容不變。若編碼錯誤，iconv 會產生替換字符或截斷，導致不等。

封裝函數

/**
 * 檢測字符串編碼
 *
 * @param string $string 待檢測字符串
 * @param array  $candidates 候選編碼列表，按優先級排序
 * @return string|null 匹配的編碼或 null
 */
function detectEncoding(string $string, array $candidates = ['UTF-8', 'GBK', 'GB2312', 'BIG5', 'ISO-8859-1']): ?string
{
    foreach ($candidates as $encoding) {
        // 先嘗試轉 UTF-8，再轉回原編碼
        $converted = @iconv($encoding, 'UTF-8', $string);
        if ($converted === false) continue; // 轉換失敗

        $back = @iconv('UTF-8', $encoding, $converted);
        if ($back === false) continue;

        // 忽略 BOM 差異
        $cleanOriginal = ltrim($string, "\xEF\xBB\xBF");
        $cleanBack     = ltrim($back, "\xEF\xBB\xBF");

        if ($cleanOriginal === $cleanBack) {
            return $encoding;
        }
    }
    return null;
}

使用示例

$tests = [
    'UTF-8'   => '你好世界',
    'GBK'     => iconv('UTF-8', 'GBK', '你好世界'),
    'BIG5'    => iconv('UTF-8', 'BIG5', '繁體中文'),
    'ASCII'   => 'Hello World',
];

foreach ($tests as $label => $str) {
    $detected = detectEncoding($str);
    echo "標簽: $label | 檢測: " . ($detected ?? '未知') . " | " . ($detected === $label ? '✅' : '❌') . PHP_EOL;
}

進階：針對文件的編碼檢測

function detectFileEncoding(string $filepath, int $sampleSize = 4096): ?string
{
    $handle = fopen($filepath, 'rb');
    if (!$handle) return null;

    // 讀取 BOM
    $bom = fread($handle, 4);
    $bomMap = [
        "\xEF\xBB\xBF" => 'UTF-8',
        "\xFF\xFE"     => 'UTF-16LE',
        "\xFE\xFF"     => 'UTF-16BE',
    ];
    foreach ($bomMap as $sig => $enc) {
        if (strpos($bom, $sig) === 0) {
            fclose($handle);
            return $enc;
        }
    }

    // 無 BOM，讀取樣本檢測
    fseek($handle, 0);
    $sample = fread($handle, $sampleSize);
    fclose($handle);

    return detectEncoding($sample);
}

局限性與避坑

現代替代：更強大的檢測庫

• forceutf8 (neitanod/forceutf8)：Encoding::toUTF8($mixed) 強制轉 UTF-8，內部自動檢測
• php-charset-detector (ygordeev/php-charset-detector)：基於 ICU/uchardet，準確率極高
• symfony/string：\Symfony\Component\String\AbstractString::from($bytes)->toUtf8()

總結

iconv 往返驗證法 是無依賴、輕量級檢測編碼的經典技巧。封裝成函數後，配合 BOM 檢測、樣本讀取、候選編碼優先級，能覆蓋 90% 的實際場景。對於高準確度要求、混合編碼、大文件場景，請引入專業檢測庫。記住：編碼檢測本質是概率推斷，業務上下文約束才是最終真理。