Question

如何在空白字符的utf-8字符串中替换（在PHP5中使用正则表达式）无效字符？

Answer 1

使用iconv

$text = iconv("UTF-8", "UTF-8//IGNORE", $text);

请参阅manual。

干杯

Answer 2

使用 mbstring ，您可以执行以下操作：

$text = mb_convert_encoding($text, 'UTF-8', 'UTF-8');

将按您的意愿工作（用空格替换无效字符），但如果您想用其他内容替换无效字符（例如?），则似乎无效。

请参阅：Replacing invalid UTF-8 characters by question marks, mbstring.substitute_character seems ignored

Answer 3

iconv不适合我的情况（作为其他解决方案）所以我在这里找到了我的“角色验证”部分：

http://webcollab.sourceforge.net/unicode.html

Answer 4

如果您在使用PHP的XML或JSON解析器时遇到了被诅咒的“无效字符”错误，那么您可能对此感兴趣。

不幸的是，PHP的XML和JSON解析器不会忽略非UTF8字符，而是停止并抛出一个相当无用的错误。我找到了下面的代码表格，对我来说非常好..

//reject overly long 2 byte sequences, as well as characters above U+10000 and replace with ?
$some_string = preg_replace('/[\x00-\x08\x10\x0B\x0C\x0E-\x19\x7F]'.
 '|[\x00-\x7F][\x80-\xBF]+'.
 '|([\xC0\xC1]|[\xF0-\xFF])[\x80-\xBF]*'.
 '|[\xC2-\xDF]((?![\x80-\xBF])|[\x80-\xBF]{2,})'.
 '|[\xE0-\xEF](([\x80-\xBF](?![\x80-\xBF]))|(?![\x80-\xBF]{2})|[\x80-\xBF]{3,})/S',
 '?', $some_string );

//reject overly long 3 byte sequences and UTF-16 surrogates and replace with ?
$some_string = preg_replace('/\xE0[\x80-\x9F][\x80-\xBF]'.
 '|\xED[\xA0-\xBF][\x80-\xBF]/S','?', $some_string );

PHP：替换utf-8字符串中的无效字符

4 个答案: