Anscheinend scheint PHP nicht großen Wert auf UTF-8 zu setzen… Es werden zwar schöne Funktionen zur Verfügung gestellt, aber wenn man sich auf diese 100%-ig verlässt hat man schon verloren… Viele Funktionen erkennen nicht-UTF-8-Zeichen als UTF-8 und bereiten so manchem Programm Probleme.

Lustig finde ich aber, dass SimpleXML immer richtig erkennt wenn ein Zeichen nicht UTF-8 ist. Warum sind in PHP zwei verschiedene Implementationen dieser Zeichenerkennung zu finden?

Ich habe das Problem jetzt mit folgendem Code gelöst, den ich bei PHP.net gefunden habe:

function is_utf8($string)
{
// From http://w3.org/International/questions/qa-forms-utf-8.html
return preg_match('%^(?:
[\x09\x0A\x0D\x20-\x7E] # ASCII
| [\xC2-\xDF][\x80-\xBF] # non-overlong 2-byte
| \xE0[\xA0-\xBF][\x80-\xBF] # excluding overlongs
| [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2} # straight 3-byte
| \xED[\x80-\x9F][\x80-\xBF] # excluding surrogates
| \xF0[\x90-\xBF][\x80-\xBF]{2} # planes 1-3
| [\xF1-\xF3][\x80-\xBF]{3} # planes 4-15
| \xF4[\x80-\x8F][\x80-\xBF]{2} # plane 16
)*$%xs', $string);
}