mb_detect_encoding 怎样判断编码候选

mb_detect_encoding 应用于一组有依据的候选编码，并把结果看成“最可能的猜测”。显式传入候选列表和 strict=true，可以在所有候选都不合法时得到 false；但严格模式不能解决一段字节同时符合多种编码的歧义，更不能证明文本最初使用的编码。

PHP 官方地址：https://www.php.net/

乱码现场先保留原始字节

假设导入页面显示乱码，有人准备连续尝试几种转码，直到看起来正常。我更倾向于先保存原文件与来源约定，再判断编码；反复覆盖文件会让“错误发生在哪一步”越来越难定位。这里是原创排查场景，不是本文已经执行过的生产故障。

先分清上传的原始字节、服务端解码后的字符串，以及浏览器最后显示的内容。页面显示不正确并不自动证明原文件损坏；也可能是输入声明、输出声明或此前的转换不一致。本文只讨论候选判断，不替整个导入链路自动选择修复方案。

初步判断：候选来自数据来源

如果协议或导出工具已经声明 UTF-8，应先按这个约定检查，而不是加入大量编码再猜。来源确实未知时，再根据供应方、文件类型与历史格式缩小范围。候选越多不代表越可靠，有些单字节编码能接收很广的字节序列，反而容易掩盖输入问题。

图中的 raw、来源约定、candidates、strict、mb_detect_encoding、guess 六个节点分别代表输入、条件与结果。来源约定关联 candidates；检测函数依赖 raw、candidates 和 strict；guess 绑定其返回值。图中连线不是实际执行记录。

PHP 8.1 起，这个函数使用启发式在合法候选中选择最可能的结果，不保证按列表顺序取第一项。因此，“把偏好的编码排在最前面”不应成为业务优先级规则。

写出候选判断而不是直接转码

 1) {
    echo '存在多个合法候选，暂不自动转码';
} else {
    // 仍把结果标为候选，不将猜测当成来源事实
    echo '候选编码：' . $guess;
}

这段示例将两个问题拆开：mb_check_encoding 分别检查字节对某个编码是否合法；mb_detect_encoding 给出候选猜测。validCandidates 收集合法候选，guess 保存猜测。对示例的 ASCII 字节，多个候选都可以成立，应用应保留歧义，而不是强行认定某个来源编码。

我会在导入工具中把“候选为空”“多候选合法”“来源已声明”设计成不同提示，让操作人员知道下一步是回查供应方、重新导出，还是继续按约定处理。不要把任何非 false 的返回值都展示成“编码已确认”。

多个候选合法时保留歧义

raw、mb_check_encoding、validCandidates、guess、来源信息是图中的五个节点。合法检查依赖 raw，并构成 validCandidates；guess 与这些合法候选相关，但来源信息是另一个判断依据。不能从“这个字节序列可以如此解释”直接推导“它原来就是如此编码”。

短文本、纯数字、ASCII 标识符尤其容易缺少区分信息。空字符串也不适合作为识别来源的证据。业务应先单独处理空输入，再评估可用的文本内容。

确定来源后再安排修复

这里没有调用检测函数，因为来源已经有约定。合法性检查回答的是“是否符合声明”，它仍不会替你检查字段语义、内容是否正确或页面字体是否覆盖相关字符。后续若确实需要转换，应基于确定的源编码与目标编码，保留原件，并明确转换失败或字符替代的处理规则。

不能把每个文件的若干字节截断后就视为完整样本；截断可能恰好切在多字节字符中间。若文件很大，应让采样策略尊重编码与记录边界，并明确采样结论不能代表整个文件每个位置。

复查与常见疑问

strict=true 会更准确地识别语言吗？不会。它控制没有合法候选时的行为，不是语言识别，也不是对编码来源的保证。

返回UTF-8，为什么显示仍乱码？合法字节与正确语义是两回事。需要检查此前是否错误转换，以及输入与输出声明是否一致，不能仅凭返回名称再次转码。

候选列表可以省略吗？可以，但省略时会使用当前检测顺序配置。需要可解释、可维护的导入规则时，我更倾向于在调用处明确列出候选，减少环境配置差异。

用它检查任意二进制文件可以吗？不应把文本编码猜测当成文件类型识别。先明确输入确实是文本，再讨论字符编码。

复查时应同时保留原始样本、来源声明、候选列表和判断状态，避免只记录一个编码名。本文没有运行样本检测，也没有宣称某种乱码已经被修复；示例用来说明如何保留不确定性，让下一步处理有依据。

编码候选文档：https://www.php.net/manual/en/function.mb-detect-encoding.php

合法性检查文档：https://www.php.net/manual/en/function.mb-check-encoding.php