fgetcsv返回字符串长度异常，正则匹配失效求解决

我正在开发一个简单脚本，用于从CSV文件读取URL并执行正则匹配，但正则模式始终匹配失败。仔细排查后发现异常：fgetcsv返回的字符串经var_dump()输出的长度完全不符合实际。

示例代码 #

$read = fopen("input.csv","r");
while($data = fgetcsv($read,null,",","\"","\\")){
    var_dump($data[0]);
    echo mb_detect_encoding($data[0]);
    echo "\n";
}

输出结果 #

string(25) "/index.html"
ASCII
string(23) "/login.html"
ASCII
string(15) "/insta/"
ASCII

CSV文件中的字符串与返回的内容一致，但显示的长度明显错误。这是什么原因？是否存在无法看见的隐形字符？或是特殊编码问题？该如何解决？

原因分析 #

问题出在**UTF-8 BOM（字节顺序标记）**上。你的CSV文件开头带有三个不可见的字节（EF BB BF），也就是UTF-8 BOM。虽然mb_detect_encoding检测结果显示为ASCII，但BOM字节会被算入字符串长度中：

• 第一个字符串"/index.html"实际长度是22，但显示为25，多出来的3个字节就是BOM的长度；
• 后续行没有BOM，长度相对正常，但第一行的隐形字符会直接导致正则匹配失败。

解决方案 #

1. 手动去除CSV文件的BOM #

用文本编辑器（如Notepad++）打开CSV文件，选择「编码」→「UTF-8无BOM」，保存即可彻底解决问题。

2. 在PHP代码中处理BOM #

可以在读取文件时跳过BOM，或者对读取到的字符串做清理：

方式一：读取时跳过BOM

$read = fopen("input.csv","r");
// 读取前3个字节判断是否是UTF-8 BOM
$bom = fread($read, 3);
if ($bom !== "\xEF\xBB\xBF") {
    // 不是BOM则把指针移回开头
    fseek($read, 0);
}
while($data = fgetcsv($read,null,",","\"","\\")){
    var_dump($data[0]);
    echo mb_detect_encoding($data[0]);
    echo "\n";
}
fclose($read);

方式二：清理字符串中的BOM

$read = fopen("input.csv","r");
while($data = fgetcsv($read,null,",","\"","\\")){
    // 去除字符串开头的BOM
    $url = preg_replace('/^\x{FEFF}/u', '', $data[0]);
    var_dump($url);
    echo mb_detect_encoding($url);
    echo "\n";
}
fclose($read);

3. 使用file_get_contents配合str_getcsv（可选） #

如果CSV文件不大，可以先读取整个文件并去除BOM，再解析：

$content = file_get_contents("input.csv");
// 去除BOM
$content = preg_replace('/^\x{FEFF}/u', '', $content);
$rows = str_getcsv($content, "\n");
foreach ($rows as $row) {
    $data = str_getcsv($row);
    var_dump($data[0]);
}

内容的提问来源于stack exchange，提问作者Gedi Nixan