从字符串中删除ÿþ

Question

我正在尝试批量读取ID3数据。在一些音轨上出现了ÿþ。我可以删除前两个字符，但这会影响没有该字符的音轨。

以下是我目前所拥有的：

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

任何建议都将不胜感激，谢谢！

- austinh

---

str_replace("ÿþ", "", $trackartist1); 这段代码有效吗？ - Martin Tournoij

你能提供一个ID3数据的样本字符串吗？str_replace支持多字节字符串，@Carpetsmoker的建议似乎可行：http://codepad.org/Od59V0ki - danronmoon

为什么@Carpetsmoker的建议不起作用？那似乎是这里的答案。如果想进一步，可以在str_replace周围添加一个IF语句，先查看它是否以“ÿþ”开头。 - Scott

你能否发布一个 var_dump() 来查看你的字符串确切内容是什么？ - jeroen

你应该从根本上解决这个问题。这个标记是UCS2文件BOM，在读取UCS2文件时需要对它们进行转义。https://dev59.com/GmbWa4cB1Zd3GeqPXYGN#64983143 - Zhang

Answer 1

ÿþ在UTF-8中表示0xfffe；这是UTF-16中的字节顺序标记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);

假定$trackartist1始终为UTF-16LE格式；请查看您的ID3标签库文档以获取标签的编码方式，因为对于不同的文件可能会有所不同。通常您希望将所有内容转换为UTF-8格式，因为这是PHP默认使用的格式。

- Martin Tournoij

---

当我使用$trackartist1 = iconv('UTF-8', 'UTF-16', $trackartist1);和str_replace('ÿþ', '', $trackartist1);时，它会在开头切换到þÿ。 - austinh

第二个应该是mb_convert_encoding($message，'UTF-8'，'UTF-16LE')。 - n-dru

Answer 2

我曾经遇到过类似的问题，但是无法强制使用 UTF-16LE 作为输入字符集，因为输入字符集可能会发生变化。最终，我通过以下方式检测 UTF-8：

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

如果失败了，我会通过BOM 获得正确的编码：

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';
    }
}

现在我能够使用iconv()，就像你在@carpetsmoker答案中看到的那样：

iconv(detect_bom_encoding($html), 'UTF-8', $html);

我没有使用 mb_convert_encoding()，因为它不会删除BOM（也不像 iconv() 一样转换换行符）：

- mgutt

Answer 3

使用正则表达式替换：

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

上述正则表达式寻找第一个出现的"\x00"（十六进制零），如果可能的话，将其替换为空。

- Cunning

---

@Carpetsmoker 不好意思！我以为他想要像他的代码中提到的那样去除\0字符。我没有注意到\xfffe。 - Cunning