Question

我正试图从剧本中删除警告和通知。该脚本包括以下内容：

$clean_string = iconv('UTF-8', 'UTF-8//IGNORE', $supplier.' => '.$product_name);

据我了解，该行的目的是按照脚本的原作者的意图，从字符串中删除非UTF-8字符，但显然输入中的任何非UTF-8字符都将导致iconv抛出非法字符警告。

要解决这个问题，我的想法是做以下事情：

$clean_string = iconv(mb_detect_encoding($supplier.' => '.$product_name), 'UTF-8//IGNORE', $supplier.' => '.$product_name);

然而奇怪的是，mb_detect_encoding（）返回UTF-8作为检测到的编码！

带有重音（é）的字母e是导致此行为的字符示例。

我意识到我在检测和转换之间混合使用多字节库，但我在iconv库中找不到编码检测功能。

我考虑过使用mb_convert_encoding（）函数将字符串清理成UTF-8，但PHP文档并不清楚无法表示的字符会发生什么。

我使用PHP 5.2.17，并使用glibc iconv实现，库版本2.5。

任何人都可以提供有关如何将字符串清理为UTF-8的任何建议，或者了解为什么会出现这种情况？

Answer 1

你的例子：

$string     = $supplier . ' => ' . $product_name;
$stringUtf8 = iconv('UTF-8', 'UTF-8//IGNORE', $string);

并使用PHP 5.2可能适合您。在以后的PHP版本中，如果输入不是精确的UTF-8，incov将丢弃该字符串（您将获得一个空字符串）。到目前为止，你可能没有注意到它。

然后您尝试使用mb_detect_encoding^Docs查找原始编码：

$string     = $supplier . ' => ' . $product_name;
$encoding   = mb_detect_encoding($string);
$stringUtf8 = iconv($encoding, 'UTF-8//IGNORE', $string);

正如我已经在评论中链接的那样，mb_detect_encoding正在做一些魔术而无法奏效。它会尝试帮助您，但无法检测到编码非常好。这是主题的问题。您可以尝试将严格模式设置为true：

$order      = mb_detect_order();
$encoding   = mb_detect_encoding($string, $order, true);
if (FALSE === $encoding) {
    throw new UnexpectedValueException(
        sprintf(
            'Unable to detect input encoding with mb_detect_encoding, order was: %s'
            , print_r($order, true)
        )
     );
}

除此之外，您可能还需要在两个库（iconv和多字节字符串）之间翻译the names of the encoding^Docs（和/或验证支持的编码）。

希望这有帮助，这样你至少可以更好地理解为什么有些东西可能不起作用，以及如何更好地找到错误案例并使用标准的PHP扩展来过滤输入。

为什么iconv会产生非法字符错误？

1 个答案: