roga's blog

昨天在 PTT 看到一個問題關於讀取 Unicode 檔案名稱的問題…

作者 danny0838 (道可道非常道) 看板 PHP
標題 [請益] Windows 上的中文檔案
時間 Thu Mar 25 00:59:32 2010
──────────────────────────────────────

因為某些因素，小的有用 php 存取 windows 系統上中文檔名檔案的需求..

我知道繁中版 windows 的檔名是用 big5 編碼，
假設一個檔案名為 “測試.txt”，而 php 程式是 UTF-8 編碼，
用 iconv(“UTF-8″,”big5//IGNORE”,”測試.txt”) 即可讀到該檔案。

但如果檔名包含 unicode 呢？
比如 “消化酶.txt”（酉每是 unicode 字元），它會被編為什麼碼？

第二個問題是，若用 scandir 之類的方式掃資料夾，
純 big5 檔名會以 big5 格式傳回，可做進一步應用；
但夾有 unicode 的檔案傳回值一部分會變成 ? (UTF-8 無法對應到 big5 者)，
造成路徑錯誤，掃到檔案卻無法進一步處理。

所以，要如何用 php 存取 windows 系統下，檔名夾有 unicode 字元的檔案呢？

先講解答，答案是沒辦法，但如果是用 Linux + Unicode 檔名，同樣的條件則是完全沒問題。

可以寫一段簡單的測試程式來驗證

<?php
$dir = opendir("./");
while (($file = readdir($dir)) !== false)
{
    echo "filename: " . $file . "\n";
}
closedir($dir);
php?>

執行結果：

但執行環境如果換到 Window 下面的話，一樣的程式碼，則會帶來不同的結果：

實際開啟檔案，裡面的「酶」被換成了「?」這個字元，這是因為 PHP 在 Windows 讀檔名的時候，沒辦法讀出 Unicode 字元。因為 PHP 在 Windows 對 Unicode 支援並不完整。如果用 .NET Framework (原生 Unucode) 就不會有這樣的問題了。我寫了一個簡單的程式來測試，原始碼如下：

using System;
using System.Text;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            string myDir = "C:\\Users\\roga\\Documents\\php";
            byte[] myBytes;
            string myTmpStr;
            string myString;
            string[] files = null;

            files = System.IO.Directory.GetFiles(myDir);

            foreach (string file in files)
            {
                try
                {
                    System.IO.FileInfo fi = new System.IO.FileInfo(file);

                    Console.WriteLine("\n檔案資訊：");
                    Console.WriteLine("{0}: {1}, {2}", fi.Name, fi.Length, fi.CreationTime);

                    Console.WriteLine("\n檔案內容：");
                    System.IO.StreamReader myFile = new System.IO.StreamReader(myDir + "\\" + fi.Name);
                    myString = myFile.ReadToEnd();
                    myFile.Close();
                    Console.WriteLine(myString);

                    Console.WriteLine("\n改用 Unicode 編碼讀取：");
                    myBytes = System.Text.Encoding.Unicode.GetBytes(fi.Name);
                    myTmpStr = System.Text.Encoding.Unicode.GetString(myBytes);
                    Console.WriteLine(myTmpStr);

                    string myHex = BitConverter.ToString(myBytes);

                    Console.WriteLine("\n轉成 HEX 輸出確認是否正確：");
                    Console.WriteLine(myHex);
                }
                catch (System.IO.FileNotFoundException e)
                {
                    Console.WriteLine(e.Message);
                    continue;
                }
            }

            int pauseTime = 20000;
            System.Threading.Thread.Sleep(pauseTime);

        }
    }
}

• 開一個新目錄，然後建立一個檔案叫做「消化酶.txt」
• 用上面這隻程式讀取目錄下所有檔案，並且顯示內容
• 雖然在畫面上一樣顯示不出來「酶」這個字，是因為在 Console 顯示不出 CP950 以外的字，但可以確定 C# 操作的 resource 底層可以正確存取這個檔案物件。
• 驗證方法是把取回的檔名轉成 Unicode (UTF-16) ，然後以 HEX 碼印出，再對照實際檔名字串(以 Unicode 編碼)的 HEX Code 這樣就可以確定沒錯了。

(連結可以開原圖)

所以說，用 PHP 要讀取 Windows 含有 Unicode 字元的檔案，目前是有困難。