本文详解 PHP 中读取 UTF-16LE 编码 CSV 文件时因换行符解析失败导致数组塌陷的问题，核心在于使用 mb_split() 替代 preg_split() 处理多字节字符串，并确保编码转换与行分割全程保持 UTF-8 一致性。
本文详解 php 中读取 utf-16le 编码 csv 文件时因换行符解析失败导致数组塌陷的问题，核心在于使用 `mb_split()` 替代 `preg_split()` 处理多字节字符串，并确保编码转换与行分割全程保持 utf-8 一致性。
在处理含希腊文、俄文、中文等 Unicode 字符的 CSV 文件时，若源文件采用 UTF-16LE 编码（常见于 Windows Excel 导出），直接使用 file_get_contents() + preg_split() 会导致严重解析错误：preg_split("/\R/", $str) 默认按单字节正则匹配，无法正确识别 UTF-16LE 解码后 UTF-8 字符串中的多字节换行序列（如 \r\n 的 UTF-8 编码为 0x0D 0x0A），从而将本应分隔的行错误合并，最终使 str_getcsv() 将整块乱码当作单字段解析——这正是示例中 7 列数据坍缩为 2 个元素的根本原因。
正确做法是：全程启用多字节安全函数链。首先用 mb_convert_encoding() 将原始 UTF-16LE 内容无损转为 UTF-8；随后必须使用 mb_split()（而非 preg_split()）进行行分割，因其内部支持多字节编码感知，能准确识别 \R（Unicode 换行符通用模式）在 UTF-8 下的完整字节序列；最后对每行调用 str_getcsv() 解析字段。修正后的健壮代码如下：
// 1. 读取原始二进制内容
$rawContent = file_get_contents($this->listUrl);
// 2. 显式转换编码：UTF-16LE → UTF-8（关键！指定 source encoding）
$utf8Content = mb_convert_encoding($rawContent, 'UTF-8', 'UTF-16LE');
// 3. 使用 mb_split 安全分割多字节字符串（\R 支持 CR/LF/CRLF/NEL/LS/PS）
$lines = mb_split('/\R/', $utf8Content);
// 4. 逐行解析 CSV 字段（UTF-8 环境下 str_getcsv 完全兼容）
$parsedArray = array_map(function ($line) {
// 过滤空行并解析
$line = trim($line);
return $line === '' ? [] : str_getcsv($line, ';');
}, $lines);
// 可选：移除首尾空行或 BOM（若存在）
$parsedArray = array_filter($parsedArray, function ($row) {
return !empty(array_filter($row, 'trim'));
});
⚠️ 关键注意事项：
从 CSV 数据集生成图数据库加载器和三元组映射。将表格 CSV 数据转换为图数据库可直接使用的节点、边和三元组。
- 不可省略 mb_convert_encoding() 的第三个参数：必须显式传入 'UTF-16LE'，否则 PHP 可能误判源编码（如当作 ISO-8859-1），导致乱码；
- 禁用 preg_split() 处理 UTF-8 字符串：其底层基于字节匹配，\R 在 PCRE 中对多字节 UTF-8 序列行为不可靠；
-
验证 BOM 头：UTF-16LE 文件通常以 0xFF 0xFE 开头，mb_convert_encoding() 可自动识别，但手动检测可增强鲁棒性：
if (substr($rawContent, 0, 2) === "\xFF\xFE") { // 确认 UTF-16LE BOM } - 内存优化建议：对超大文件，避免一次性 file_get_contents()，改用 fopen() + stream_get_line() 配合 mb_convert_encoding() 流式处理。
通过此方案，希腊文 Βάση για Σημείωση 等字符将被完整保留，CSV 行结构严格对齐，str_getcsv() 能正确分离全部 7 个字段，彻底解决数组坍缩问题。
