Question

iconv函数有时会给我一个错误：

Notice:
iconv() [function.iconv]:
Detected an incomplete multibyte character in input string in [...]

在将数据输入到无线电之前，有没有办法检测utf-8字符串中是否存在非法字符？

Answer 1

首先，请注意，无法检测文本是否属于特定的非期望编码。您只能检查字符串在给定编码中是否有效。

自PHP 4.3.5起，您可以使用preg_match ^{[PHP Manual]}中提供的UTF-8有效性检查。如果给出了无效的字符串，它将返回0（没有其他信息）：

$isUTF8 = preg_match('//u', $string);

另一种可能性是mb_check_encoding ^{[PHP Manual]}：

$validUTF8 = mb_check_encoding($string, 'UTF-8');

您可以使用的另一个功能是mb_detect_encoding ^{[PHP Manual]}：

$validUTF8 = ! (false === mb_detect_encoding($string, 'UTF-8', true));

将strict参数设置为true。

非常重要

此外，iconv ^{[PHP Manual]}允许您动态更改/删除无效序列。（但是，如果iconv遇到这样的序列，它会生成通知;此行为无法更改。）

echo 'TRANSLIT : ', iconv("UTF-8", "ISO-8859-1//TRANSLIT", $string), PHP_EOL;
echo 'IGNORE   : ', iconv("UTF-8", "ISO-8859-1//IGNORE", $string), PHP_EOL;

您可以使用@并检查返回字符串的长度：

strlen($string) === strlen(@iconv('UTF-8', 'UTF-8//IGNORE', $string));

同时查看iconv手册页上的示例。

您尚未分享产生通知的源代码。如果你想要一个更具体的建议，你应该添加它。

Answer 2

UTF-8中无效字符的规范非常清楚。在尝试解析它之前，您可能想要将它们除去。他们不应该在那里，所以如果你甚至可以在生成更好的XML之前就避免它。

请参阅此处以获取参考：

http://www.w3.org/TR/xml/#charsets

这不是一个完整的列表，许多解析器也不允许一些低编号的控制字符，但我现在找不到一个全面的列表。

但是，iconv可能内置了对此的支持：

http://www.zeitoun.net/articles/clear-invalid-utf8/start

Answer 3

您可以尝试使用mb_detect_encoding来检测您是否拥有不同的字符集（而不是UTF-8），然后mb_convert_encoding转换为UTF-8（如果需要）。人们更有可能在不同的字符集中为您提供有效的内容，而不是为您提供无效的UTF-8。

Answer 4

在iconv（）前加一个@来取消NOTICE，在源编码id中用UTN-8后的// IGNORE忽略无效字符：

@iconv( 'UTF-8//IGNORE', $destinationEncoding, $yourString );

如何在PHP中检测格式错误的utf-8字符串？

4 个答案: