PHP读取含日文内容CSV文件时乱码、字符匹配失败问题

数据老陈

2026-8-28

问题根因

乱码的核心原因是编码判断和配置全错：

你的CSV文件实际编码是EUC-JP（日文环境常用传统编码），根本不是ISO-8859-1。你看到的°ú¤¹þ¤à就是典型的EUC-JP字节流被当成ISO-8859-1（拉丁1）解析的乱码特征
之前用iconv转换损坏数据，是因为错误指定源编码为ISO-8859-1，转码的输入编码从根上就不对
你把HTTP响应头、页面meta标签的字符集全设成ISO-8859-1，相当于拿西文字符集解析日文编码字节，不仅显示乱码，字符串比对时因为两边字节序列完全不匹配，等值判断永远返回false
代码里加的setlocale(LC_ALL, 'ja_JP.EUC-JP')只影响本地化相关函数（比如时间格式、排序规则），不会自动给文件内容做转码，加了没有任何作用。

解决方案

全链路统一使用UTF-8作为处理和输出编码，不要依赖系统自动编码识别：

读取CSV拿到原始字节后，显式将内容从EUC-JP转为UTF-8再做后续处理
把页面所有编码声明（HTTP头、meta标签）统一改成UTF-8
做字符串比对时，确保参与对比的两个字符串都是UTF-8编码

修正后的可运行代码如下：

<?php 
// 声明页面输出为UTF-8编码
header("Content-Type: text/html; charset=UTF-8"); 
?>

<!DOCTYPE html>
<html lang="ja">
<head>
    <meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>日文CSV读取测试</title>
</head>
<body>
    <?php
        $row = 1;
        // 待匹配的目标字符串，文件本身保存为UTF-8即可
        $targetStr = "引き込む";

        if (($handle = fopen("/srv/http/Japanese/testFile.csv", "r")) !== FALSE) {
            while (($data = fgetcsv($handle, 1000, ",")) !== FALSE) {
                $row++;
                for ($i = 0; $i < 4; ++$i) {
                    // 核心转码逻辑：将读取到的EUC-JP内容转为UTF-8
                    // 加//IGNORE参数用于跳过少量无法识别的异常字节，避免转码直接中断
                    $data[$i] = iconv("EUC-JP", "UTF-8//IGNORE", $data[$i]);
                    echo $data[$i] . "<br />";
                    // 转码完成后字符串等值判断可正常生效
                    if ($data[$i] === $targetStr) {
                        echo "*匹配到目标字段：引き込む*<br />";
                    }
                }
                echo "<br />";
                if ($row > 1000) break;
            }
            fclose($handle);
        } else {
            echo print_r(error_get_last(), true);
        }
    ?>
</body>
</html>

补充注意事项

如果按上面代码运行后仍有个别字符乱码，可以先打印首行内容的实际编码：echo mb_detect_encoding($data[0], 'EUC-JP, SJIS, UTF-8, ISO-2022-JP');，部分老日文CSV会使用Shift_JIS编码，将iconv的源编码参数替换为SJIS即可
所有编码处理链路不要混用字符集：文件读取转码、内部逻辑处理、页面输出全链路统一用UTF-8，可以避免绝大多数日文、中文多字节字符乱码问题
你原来的等值判断代码有语法错误：if ($data[$i]) == "引き込む")多写了一个右括号，修正语法后配合转码逻辑即可正常匹配。

内容的提问来源于stack exchange，提问作者Liyara