从字符串中删除。

Question

我正在尝试批量阅读ID3数据。在某些曲目上，ÿþ出现。我可以删除前两个字符，但这会伤害没有它的曲目。

这就是我目前所拥有的：

$trackartist=str_replace("\0", "", $trackartist1);

任何建议都会很棒，谢谢！

Answer 1

ÿþ是UTF-8中的0xfffe;这是UTF-16中的byte order mark。 您可以使用iconv或mb_convert_encoding()

将字符串转换为UTF-8

$trackartist1 = iconv('UTF-16LE', 'UTF-8', $trackartist1);

# Same as above, but different extension
$trackartist1 = mb_convert_encoding($trackartist1, 'UTF-16LE', 'UTF-8');

# str_replace() should now work
$trackartist1 = str_replace('ÿþ', '', $trackartist1);

这假定$trackartist1始终为UTF-16LE;检查ID3标签库的文档，了解如何获取标签的编码，因为对于不同的文件可能会有所不同。您通常希望将所有内容转换为UTF-8，因为这是PHP默认使用的内容。

Answer 2

我遇到了类似的问题，但由于输入字符集可能会发生变化，因此无法强制UTF-16LE。最后我detect UTF-8如下：

if (!preg_match('~~u', $html)) {

对于失败的情况我obtain the correct encoding through the BOM：

function detect_bom_encoding($str) {
    if ($str[0] == chr(0xEF) && $str[1] == chr(0xBB) && $str[2] == chr(0xBF)) {
        return 'UTF-8';
    }
    else if ($str[0] == chr(0x00) && $str[1] == chr(0x00) && $str[2] == chr(0xFE) && $str[3] == chr(0xFF)) {
        return 'UTF-32BE';
    }
    else if ($str[0] == chr(0xFF) && $str[1] == chr(0xFE)) {
        if ($str[2] == chr(0x00) && $str[3] == chr(0x00)) {
            return 'UTF-32LE';
        }
        return 'UTF-16LE';
    }
    else if ($str[0] == chr(0xFE) && $str[1] == chr(0xFF)) {
        return 'UTF-16BE';
    }
}

现在，我可以在@carpetsmoker answer中看到iconv()使用iconv(detect_bom_encoding($html), 'UTF-8', $html); ：

mb_convert_encoding()

我没有使用iconv()，因为它没有移除BOM（并且没有像{{1}}那样转换换行符）：

Answer 3

使用正则表达式替换：

$trackartist1 = preg_replace("/\x00?/", "", $trackartist1);

上面的正则表达式首先出现“\ x00”（十六进制零），如果可能的话，用任何东西替换它。