检测错误的书面变音符号

Question

我们需要将CSV文件导入包含错误书面变音符号的MySQL。

例如：使用非德语键盘的人输入Ü（ASCII 85）而不是U（ASCII 154），并使用ASCII 249添加了两个顶点，这看起来与他相同。 / p>

MySQL将此作为U?写入数据库。这就是为什么我们希望PHP检测非ASCII字符组合，例如可打印ASCII字符和扩展ASCII字符的组合，这在现实世界中是不存在的，至少在主要语言中不存在。

我们尝试过的preg_replace函数，不检测此函数或检测有效的变音符号。

有preg_replace成功的机会还是其​​他方式？

Answer 1

由于您希望使用PHP代码来检测基本字母后跟一个或多个变音符号的任意组合，您可以使用

if (preg_match('~\p{L}\p{M}~u', $s, $m)) {
    echo "There is a multibyte char here: " . $m[0];
}

请注意：

• \p{L} - 匹配任何Unicode字母
• \p{M} - 匹配任何变音符号（组合标记）

u修饰符启用(*UTF)和(*UCP) PCRE标志，使PCRE引擎以Unicode识别模式处理字符串和模式。

Answer 2

这里有可能起作用的东西：

$contents = str_replace(chr(85).chr(249),chr(154), file_get_contents("mycsv.csv"));

然后执行建议的操作将数据库切换为UTF-8并执行：

$utfText = mb_convert_encoding($contents,"UTF-8","ISO-8859-1"); //I think that's the ISO standard you are referring to 

Answer 3

Wiktor（第一条评论）将其钉死。

我们不需要更换，只是警告对我们来说没问题，因为这种罕见的情况应该在CSV文件中修复。

'~\p{L}\p{M}+~u'

完成这项工作。