PHP如何检测文件开头字符 兼容处理UTF8与UTF8 BOM格式CSV

核心实现逻辑 #

UTF-8编码的BOM头是文件起始位置固定的3个字节，对应十六进制值为 0xEF 0xBB 0xBF。不需要固定执行跳过3字节的操作，打开文件后先读取前3字节做匹配判断：

• 若读取到的3字节和BOM标识完全一致，说明文件带BOM，当前文件指针已经停在BOM之后的有效内容起始位，直接开始读取CSV内容即可
• 若读取到的3字节不符合BOM特征，说明是无BOM的普通UTF-8文件，将文件指针重置到文件起始位置（偏移0位），再开始读取内容即可

替换原有固定跳过BOM的代码 #

把原代码中写死的fseek($handle, 3);替换为以下检测逻辑：

// 自动检测UTF-8 BOM头，兼容两种格式文件
$bomCheck = fread($handle, 3);
if ($bomCheck !== "\xEF\xBB\xBF") {
    // 未检测到BOM，指针回到文件开头
    rewind($handle);
}

这里直接用双引号字符串写入转义的BOM字节比拼接chr()写法更简洁，rewind($handle)等价于fseek($handle, 0)，是PHP专门提供的重置文件指针到开头的函数，可读性更好。

修改后的完整业务代码 #

<?php

include("connexion.php");

$dir   = '//server/d$/ftp/GET/';
$allFiles = scandir($dir);
$dest = '//server/d$/ftp/GET/COPIES/';

foreach($allFiles as $file) {

    if (!in_array($file,array(".","..")))
    { 
        $file = $dir.$file;
        $filename = basename( $file );
        
        if ( strpos( $filename, 'BI1_' ) === 0 ) 
        {
            
            if (($handle = fopen($file, "r")) !== false) 
            {
                 
                // 自动检测UTF-8 BOM，兼容带BOM/无BOM文件
                $bomCheck = fread($handle, 3);
                if ($bomCheck !== "\xEF\xBB\xBF") {
                    rewind($handle);
                }
                  
                     $bi1_values =  array();
                     while (($data = fgetcsv($handle, 9000000, ";")) !== false) 
                        {                                         
                                $bi1_values[] = "('$data[0]', '".str_replace("'", "''",$data[1])."','$date1','$date2','$data[2]','$data[4]','".str_replace("'", "''",$data[5])."','".str_replace("'", "''",$data[6])."')";                 
                                if (count($bi1_values) == 1000) 
                                { 
                                    $query = "insert into dbo.Sales (storenumber, storename, date, time, TransRef, stylecode, color, size) 
                                    values " . implode(',', $bi1_values);
                                    $stmt = $conn->query( $query );
                                    
                                    if (!$stmt) 
                                    { 
                                            $file1 = "D:/xampp/htdocs/errors/erreur_BI1.txt";                       
                                            file_put_contents($file1, $query . PHP_EOL, FILE_APPEND | LOCK_EX);
                                    }   
                                    $bi1_values = array();
                                } 
                        }

                    // 补充：处理最后一批不足1000条的剩余数据
                    if (!empty($bi1_values)) {
                        $query = "insert into dbo.Sales (storenumber, storename, date, time, TransRef, stylecode, color, size) 
                        values " . implode(',', $bi1_values);
                        $stmt = $conn->query( $query );
                        if (!$stmt) 
                        { 
                                $file1 = "D:/xampp/htdocs/errors/erreur_BI1.txt";                       
                                file_put_contents($file1, $query . PHP_EOL, FILE_APPEND | LOCK_EX);
                        }
                    }
                        
                    fclose($handle);
                      
                    // 处理完成后移动文件到备份文件夹             
                    if(!rename($file, $dest . $filename)) 
                    { 
                        echo "error";
                    }                
                }
            }
    }
}

?>

额外注意事项 #

• 该检测逻辑仅针对UTF-8编码的BOM做判断，不会影响GBK、UTF-16等其他编码文件的读取逻辑
• 现有代码通过字符串拼接生成SQL语句，即使做了单引号转义依然存在注入风险，生产环境建议改用PDO预处理语句绑定参数实现批量插入，安全性和稳定性更高
• 原代码逻辑中如果CSV最后一批数据不足1000条不会执行入库操作，上述完整代码已经补充了剩余数据的入库逻辑，避免尾部数据丢失。

内容的提问来源于stack exchange，提问作者Eric27