PHP使用file_get_contents读取HTML文件出现编码乱码求助

我之前也碰到过类似的编码踩坑经历，尤其是处理UTF-16这类双字节编码的文件时，稍不注意就会出现你看到的�乱码符号。咱们来拆解问题根源，一步步解决：

问题核心原因 #

你提到Atom自动检测HTML文件是UTF-16 LE编码，这类编码以双字节存储字符，而且通常会带BOM（字节顺序标记）——也就是文件开头的FF FE字节。直接用file_get_contents读取后，BOM会被当成普通字符保留，加上你之前转码时要么指定了错误的源编码，要么没处理BOM，才导致乱码始终无法清除。

正确的解决方案 #

方案1：手动处理BOM + 指定正确编码转码

先移除UTF-16 LE的BOM，再从UTF-16 LE转成UTF-8：

$file_to_load = "index.html";
// 读取原始文件内容
$raw_content = file_get_contents($file_to_load);

// 检查并移除UTF-16 LE的BOM（开头的FF FE字节）
if (substr($raw_content, 0, 2) === "\xFF\xFE") {
    $raw_content = substr($raw_content, 2);
}

// 从UTF-16 LE编码转换为UTF-8
$html_page = mb_convert_encoding($raw_content, 'UTF-8', 'UTF-16LE');

echo $html_page;

方案2：利用流过滤器自动转码

PHP的流过滤器可以直接在读取时完成编码转换，同时自动处理BOM：

$file_to_load = "index.html";
$handle = fopen($file_to_load, 'rb');

// 给流添加UTF-16LE转UTF-8的过滤器
stream_filter_append($handle, 'convert.iconv.UTF-16LE/UTF-8');

$html_page = stream_get_contents($handle);
fclose($handle);

echo $html_page;

为什么之前的尝试失败？ #

• 你用mb_convert_encoding($html_page , 'UTF-8' , 'UTF-8')相当于没有做任何转码操作，自然解决不了问题；
• 即使指定了UTF-16，但没区分LE（小端）和BE（大端），或者没处理BOM，开头的BOM字节会被解析成乱码符号�或??。

额外建议 #

如果可以的话，尽量把HTML文件保存为UTF-8无BOM编码，这是Web开发的通用编码标准，后续处理会省心很多，避免各种编码兼容问题。

内容的提问来源于stack exchange，提问作者Laurane Richter