php - utf8 - ¿Cómo eliminar múltiples secuencias de BOM UTF-8 antes de "<! DOCTYPE>"?

utf 8 sin bom xml

Question

Usando PHP5 (cgi) para sacar archivos de plantilla del sistema de archivos y tener problemas escupiendo HTML sin formato.

private function fetch($name) {
    $path = $this->j->config[''template_path''] . $name . ''.html'';
    if (!file_exists($path)) {
        dbgerror(''Could not find the template "'' . $name . ''" in '' . $path);
    }
    $f = fopen($path, ''r'');
    $t = fread($f, filesize($path));
    fclose($f);
    if (substr($t, 0, 3) == b''/xef/xbb/xbf'') {
        $t = substr($t, 3);
    }
    return $t;
}

A pesar de que he agregado la corrección BOM, sigo teniendo problemas para que Firefox la acepte. Puede ver una copia en vivo aquí: http://ircb.in/jisti/ (y el archivo de plantilla que lancé en http://ircb.in/jisti/home.html si desea verificarlo)

¿Algúna idea de cómo arreglar esto? o_o

Answer 1

Esta resolución de funtion global para chatset base del sistema UTF-8. Tanques!

function prepareCharset($str) {

    // set default encode
    mb_internal_encoding(''UTF-8'');

    // pre filter
    if (empty($str)) {
        return $str;
    }

    // get charset
    $charset = mb_detect_encoding($str, array(''ISO-8859-1'', ''UTF-8'', ''ASCII''));

    if (stristr($charset, ''utf'') || stristr($charset, ''iso'')) {
        $str = iconv(''ISO-8859-1'', ''UTF-8//TRANSLIT'', utf8_decode($str));
    } else {
        $str = mb_convert_encoding($str, ''UTF-8'', ''UTF-8'');
    }

    // remove BOM
    $str = urldecode(str_replace("%C2%81", '''', urlencode($str)));

    // prepare string
    return $str;
}

Answer 2

Esto podría ayudar. avíseme si le interesa que amplíe mi proceso de pensamiento.

<?php
    //
    // labled TESTINGSTRIPZ.php
    //

    define(''CHARSET'', ''UTF-8'');

    $stringy = "/xef/xbb/xbf/"quoted text/" ";
    $str_find_array    = array( "/xef/xbb/xbf");
    $str_replace_array = array(             '''');


    $RESULT =
        trim(
            mb_convert_encoding(

                str_replace(
                    $str_find_array,
                    $str_replace_array,
                    strip_tags( $stringy )
                    ),

                ''UTF-8'',

                mb_detect_encoding(
                    strip_tags($stringy)
                    )

                )
            );

        print("YOUR RESULT IS: " . $RESULT.PHP_EOL);

?>

Resultado:

terminal$ php TESTINGSTRIPZ.php 
      YOUR RESULT IS: "quoted text" // < with no hidden char.

Answer 3

Otra forma de eliminar la lista de materiales que es el punto de código Unicode U + FEFF

$str = preg_replace(''//x{FEFF}/u'', '''', $file);

Answer 4

Si está leyendo alguna API usando file_get_contents y obtuvo un NULL inexplicable de json_decode , verifique el valor de json_last_error() : a veces el valor devuelto por file_get_contents tendrá una lista de materiales extraña que es casi invisible cuando inspecciona la cadena, pero hará json_last_error() para devolver JSON_ERROR_SYNTAX (4).

>>> $json = file_get_contents("http://api-guiaserv.seade.gov.br/v1/orgao/all");
=> "/t{"orgao":[{"Nome":"Tribunal de Justi/u00e7a","ID_Orgao":"59","Condicao":"1"}, ...]}"
>>> json_decode($json);
=> null
>>>

En este caso, verifique los primeros 3 bytes; repetirlos no es muy útil porque la lista de materiales es invisible en la mayoría de las configuraciones:

>>> substr($json, 0, 3)
=> "  "
>>> substr($json, 0, 3) == pack(''H*'',''EFBBBF'');
=> true
>>>

Si la línea de arriba muestra TRUE para usted, entonces una prueba simple puede solucionar el problema:

>>> json_decode($json[0] == "{" ? $json : substr($json, 3))
=> {#204
     +"orgao": [
       {#203
         +"Nome": "Tribunal de Justiça",
         +"ID_Orgao": "59",
         +"Condicao": "1",
       },
     ],
     ...
   }

Answer 5

Un método extra para hacer el mismo trabajo:

function remove_utf8_bom_head($text) {
    if(substr(bin2hex($text), 0, 6) === ''efbbbf'') {
        $text = substr($text, 3);
    }
    return $text;
}

Los otros métodos que encontré no pueden funcionar en mi caso.

Espero que ayude en algún caso especial.

Answer 6

si alguien utiliza la importación de CSV, entonces debajo del código útil

           $header = fgetcsv($handle);
            foreach($header as $key=> $val) {
                $bom = pack(''H*'',''EFBBBF'');
                $val = preg_replace("/^$bom/", '''', $val);
                $header[$key] = $val;
            }

Answer 7

tratar:

// -------- read the file-content ----
$str = file_get_contents($source_file); 

// -------- remove the utf-8 BOM ----
$str = str_replace("/xEF/xBB/xBF",'''',$str); 

// -------- get the Object from JSON ---- 
$obj = json_decode($str); 

:)

Answer 8

usarías el siguiente código para eliminar utf8 bom

//Remove UTF8 Bom

function remove_utf8_bom($text)
{
    $bom = pack(''H*'',''EFBBBF'');
    $text = preg_replace("/^$bom/", '''', $text);
    return $text;
}

Answer 9

b''/xef/xbb/xbf'' representa la cadena literal "/ xef / xbb / xbf". Si desea buscar una lista de materiales, debe usar comillas dobles, por lo que las secuencias /x realidad se interpretan en bytes:

"/xef/xbb/xbf"

Sus archivos también parecen contener mucha más basura que una sola lista de materiales líder:

$ curl http://ircb.in/jisti/ | xxd

0000000: efbb bfef bbbf efbb bfef bbbf efbb bfef  ................
0000010: bbbf efbb bf3c 2144 4f43 5459 5045 2068  .....<!DOCTYPE h
0000020: 746d 6c3e 0a3c 6874 6d6c 3e0a 3c68 6561  tml>.<html>.<hea
...