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
...