PHP处理UTF-8 CSV文件乱码问题：从上传到数据解析的编码实践

<form id="upload" method="post" action="upload.php" enctype="multipart/form-data" accept-charset="utf-8">
    <label for="csvFile">选择CSV文件:</label>
    <input id="csvFile" name="upload" type="file" value="">
    <button type="submit">上传</button>
</form>

<?php
if (isset($_FILES['upload']) && $_FILES['upload']['error'] == 0) {
    $extension = pathinfo($_FILES['upload']['name'], PATHINFO_EXTENSION);

    if (strtolower($extension) !== 'csv') {
        echo '错误：请上传CSV文件。';
        exit;
    }

    $uploadDir = 'uploads/'; // 确保此目录存在且可写
    $uploadFile = $uploadDir . basename($_FILES['upload']['name']);

    if (move_uploaded_file($_FILES['upload']['tmp_name'], $uploadFile)) {
        echo '文件上传成功！';
        // 继续处理上传的文件
        processCsvFile($uploadFile);
    } else {
        echo '文件上传失败。';
    }
}

function processCsvFile($inputFile) {
    // ... 后续数据读取和处理逻辑 ...
}
?>

<?php
// ... 假设 $inputFile 是上传文件的路径 ...

function processCsvFile($inputFile) {
    $files = file($inputFile, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES);
    foreach (array_slice($files, 1, 5000) as $datas){
        $data = explode(';', $datas);
        var_dump($data[0]); // 此时可能显示 "Cdric"
        // die(); // 示例中用于调试，实际应用中应移除
    }
}
?>

<?php
// ... 假设 $inputFile 是上传文件的路径 ...

function processCsvFile($inputFile) {
    // 关键步骤：在任何实际内容输出之前设置HTTP响应头
    header('Content-Type: text/html; charset=utf-8');

    $files = file($inputFile, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES);
    foreach (array_slice($files, 1, 5000) as $datas){
        $data = explode(';', $datas);
        echo htmlspecialchars($data[0]); // 使用 echo 输出，并建议使用 htmlspecialchars 防止XSS
        echo "<br>"; // 方便查看每行数据
        // die(); // 示例中用于调试，实际应用中应移除
    }
}
?>

<?php
function processCsvFileRobust($inputFile) {
    header('Content-Type: text/html; charset=utf-8'); // 确保输出编码

    if (!file_exists($inputFile) || !is_readable($inputFile)) {
        echo "错误：文件不存在或不可读。";
        return;
    }

    $handle = fopen($inputFile, 'r');
    if ($handle === FALSE) {
        echo "错误：无法打开文件。";
        return;
    }

    // 可选：尝试设置本地化，影响 fgetcsv 的某些行为
    // setlocale(LC_ALL, 'zh_CN.UTF-8'); 

    $row = 0;
    while (($data = fgetcsv($handle, 1000, ';')) !== FALSE) {
        if ($row === 0) { // 跳过CSV文件的标题行
            $row++;
            continue;
        }

        // 假设我们只关心第一个字段
        if (isset($data[0])) {
            // 在这里进行编码转换，确保数据是UTF-8
            $decodedData = mb_convert_encoding($data[0], 'UTF-8', 'auto');
            echo htmlspecialchars($decodedData) . "<br>";
        }

        if ($row >= 5000) { // 限制处理行数
            break;
        }
        $row++;
    }

    fclose($handle);
}
?>

<?php
// 示例：在 fgetcsv 循环内部进行编码转换
// 假设 $data[0] 是从CSV读取的原始字符串
$originalString = $data[0];

// 方法一：使用 mb_convert_encoding (推荐，需要 mbstring 扩展)
// 'auto' 会尝试检测原始编码，然后转换为 UTF-8
$utf8String = mb_convert_encoding($originalString, 'UTF-8', 'auto'); 
echo htmlspecialchars($utf8String) . "<br>";

// 方法二：使用 iconv (如果已知原始编码，效率更高)
// 假设原始CSV文件是 ISO-8859-1 (Latin-1) 编码
// $utf8String = iconv('ISO-8859-1', 'UTF-8//IGNORE', $originalString);
// 'UTF-8//IGNORE' 会忽略无法转换的字符，防止报错
// echo htmlspecialchars($utf8String) . "<br>";
?>