如何匹配十六进制字符序列并用PHP中的空格替换它

Question

我有一个文字，我需要清理一些字符。这个字符显示在我附在问题上的图片中。我想用空格x20替换它们。

我的尝试是使用preg_replace。

$result = preg_replace("/[\xef\x82\xac\x09|\xef\x81\xa1\x09]/", "\x20", $string);

对于特定情况，这种方法有效，但在某些情况下它不会，因为例如我有一个带逗号的文本，它匹配x82并将其从该文本中删除。

我如何编写我的正则表达式以精确搜索此序列ef 82 ac 09或另一个ef 81 a1 09，而不是像ef 82 {{1 }} ac？

Answer 1

1。）您匹配字符类中的6个不同的十六进制字节或管道字符中的任何一个。可能想要使用组(?: ... | ... )来匹配不同的字节序列。

2.）字节序列也与图像不匹配。好像你搞砸了两个字节。图为ef 82 a1 09和ef 81 ac 09与您的尝试：\xef\x82\xac\x09 | \xef\x81\xa1\x09

3。）当testing your input sample

时

$str = "de la nouvelle;      Fourniture $         Option :";

foreach(preg_split("//u", $str) AS $v) {
  var_dump($v, bin2hex($v)); echo "\n";
}

事实证明，09太过分了。要删除的字符实际上是ef81ac和ef82a1。 所以正确的正则表达式是(?:\xef\x81\xac|\xef\x82\xa1)

$result = preg_replace("/(?:\xef\x81\xac|\xef\x82\xa1)/", "\x20", $string);

请参阅test at eval.in

Answer 2

如果整个文件的内容是UTF-8编码文本，那么您可能希望从Private Use Area中删除字符，因为\xef\x82\xac解码为代码点U + F0AC和{{1} }解码为代码点U + F061，属于专用区U + E000..U + F8FF。

\xef\x81\xa1

$result = preg_replace("~\p{Co}~u", " ", $input); 是所有字符的字符类，属于Unicode中的其他私有使用类别，其中包括3个范围内的所有字符U + E000..U + F8FF，U + F0000..U + FFFFD ，U + 100000..U + 10FFFD。