ファイルアップロードで拡張ASCIIを処理します
-
28-09-2019 - |
質問
私が最近完成したウェブサイトには、画像やテキストファイルをアップロードできるギャラリーがあります。唯一の受け入れられたテキストファイル(開発を容易にするため)は.txtであり、通常はヒッチなしで消えます(またはそうではありません。)
私が遭遇した問題は、どの開発者でも同じです:Microsoftの拡張ASCII。
ファイルからテキストを出力する前に、いくつかの異なるレイヤーを介してそれをきれいにしようとします。
$txtfile = file_get_contents(".".$this->var['submission']['file_loc']);
// BOM Fun
$boms = array
(
"utf8" => array(3,pack("CCC",0xEF,0xBB,0xBF)),
"utf16be" => array(2,pack("CC",0xFE,0xFF)),
"utf16le" => array(2,pack("CC",0xFF,0xFE)),
"utf32be" => array(4,pack("CCCC",0x00,0x00,0xFE,0xFF)),
"utf32le" => array(4,pack("CCCC",0xFF,0xFE,0x00,0x00)),
"gb18030" => array(4,pack("CCCC",0x84,0x31,0x95,0x33))
);
foreach($boms as $bom)
{
if(mb_substr($txtfile,0,$bom[0]) == $bom[1])
{
$txtfile = substr($txtfile,$bom[0]);
break;
}
}
$txtfile_o = $txtfile;
$badwords = array(chr(145),chr(146),chr(147),chr(148),chr(151),chr(133));
$fixwords = array("'","'",'"','"','-','...');
$txtfile_o = str_replace($badwords,$fixwords,$txtfile_o);
$txtfile_o = mb_convert_encoding($txtfile_o,"UTF-8");
STR_REPLACEは、Microsoftのひどいスマートな引用、Em-Dash、およびEllipsisを出力の通常のASCII相当物に変換する一般的な方法です。
このコードは、アップロードされたファイルがANSI / US-ASCIIであるという条件の下で完全に見つかります。
アップロードされたファイルがUTF-8の場合、このコードは(特に理由なしに)機能しません。
ファイルがUTF-8の場合、Webブラウザでファイル自体を表示すると正常に動作しますが、このコードを使用してWebインターフェイスを介して印刷してもはわかりません。このイベントでは、スマートな引用は、ある種のキャラクターを強調します。
これは私が立ち往生しているところです。 Webページの出力エンコードはUTF-8、WebブラウザはそれをUTF-8と見なし、ファイルはUTF-8であると見なしますが、スマート引用符の置換は機能しませんし、Webブラウザが正しく表示しません。
これに関するすべての助けは大歓迎です。
解決
私が正しく理解している場合、あなたの問題は、ユーザーがUTF-8でファイルを送信すると、ASCIIのカウンターパートの「拡張ASCII」文字を置き換えるコードが失敗することです。
これは予想されていました。 UTF-8ファイルで操作することはできません str_replace
バイトレベルで動作するのは、UTF-8の文字はASCII範囲の文字に対してのみ1つのバイトで構成されます。
私があなたにすることをお勧めすることは、いくつかのヒューリスティックを使用して、ファイルがUTF-8でエンコードされているかどうかを判断することです(BOMは存在すると確信している場合は良い方法です)またはWindows-1252などそうでない場合は、UTF-8に変換します。その場合、キャラクターを交換する必要はありません。スマートの引用を保存できます。
他のヒント
交換しようとしている文字は、UTF8に異なるバイト値を持っています。実際、彼らはそれぞれUTF8に複数のバイトを持っています。あなたはウィンドウをエンコードする値でそれらを検索しようとしているので、それがあなたがそれらを見つけることができない理由です。
文字のUTF8バイトシーケンスを調べて、検索に使用します。