PHP上传带UTF8重音字符的CSV文件读取时字符丢失问题咨询

• 你上传的CSV文件是Excel导出的，默认编码为*Windows-1252（西欧编码）*或ISO-8859-1，并非你预期的UTF-8编码
• 直接用file()函数按UTF-8规则读取时，重音字符的特殊字节会被判定为无效字符被丢弃，就出现了Cédric变成Cdric的问题，Excel打开正常是因为它自动识别到了文件的原始编码

读取每行内容后，先将编码从原始编码转换为UTF-8即可，修改你的数据读取代码如下：

$files = file('upload/' . $inputFile, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES);
foreach (array_slice($files, 1, 5000) as $datas){
  // 新增编码转换逻辑，Windows-1252兼容ISO-8859-1，覆盖绝大多数西欧CSV的情况
  $datas = mb_convert_encoding($datas, 'UTF-8', 'Windows-1252');
  $data = explode(';', $datas);
  var_dump($data[0]);
  die();
}

如果上面的转换还有问题，可以换用iconv函数实现转换：

$datas = iconv('Windows-1252', 'UTF-8//IGNORE//TRANSLIT', $datas);

如果部分用户上传的是带BOM头的UTF-8格式CSV，可以额外加一步去除BOM头的逻辑，避免首行数据解析异常：

function remove_utf8_bom($text) {
    $bom = pack('H*','EFBBBF');
    return preg_replace("/^$bom/", '', $text);
}
// 编码转换后调用即可
$datas = remove_utf8_bom($datas);

• 如果你的CSV面向多语言用户，可以在上传页面提示用户导出CSV时选择UTF-8编码格式，从源头避免编码问题
• 不确定文件原始编码时，可以使用mb_detect_encoding($datas, ['UTF-8', 'Windows-1252', 'ISO-8859-1'])自动检测源编码再进行转换，兼容性更强

内容的提问来源于stack exchange，提问作者Cohchi