我在从字符串中删除非UTF-8字符方面遇到了问题，这些字符无法正确显示。这些字符的表示形式如0x97 0x61 0x6C 0x6F（十六进制表示）。
最好的方法是什么？使用正则表达式还是其他什么？
从字符串中删除非UTF-8字符
135
- Dan Sosedoff
3
1这里列出的解决方案对我没有用，所以我在“字符验证”部分找到了我的答案：http://webcollab.sourceforge.net/unicode.html - bobef
与此相关（https://dev59.com/cnM_5IYBdhLWcg3w43pt#20766625），但不一定是重复的，更像是近亲 :) - Wayne Weibel
$string = mb_convert_encoding($string, 'UTF-8', 'UTF-8');（对于非UTF8字符，会保留“？”符号） - Avatar
24个回答
0
static $preg = <<<'END'
%(
[\x09\x0A\x0D\x20-\x7E]
| [\xC2-\xDF][\x80-\xBF]
| \xE0[\xA0-\xBF][\x80-\xBF]
| [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}
| \xED[\x80-\x9F][\x80-\xBF]
| \xF0[\x90-\xBF][\x80-\xBF]{2}
| [\xF1-\xF3][\x80-\xBF]{3}
| \xF4[\x80-\x8F][\x80-\xBF]{2}
)%xs
END;
if (preg_match_all($preg, $string, $match)) {
$string = implode('', $match[0]);
} else {
$string = '';
}
它在我们的服务上运行正常
- llluo
1
3你能否为这个回答添加一些上下文，解释它是如何回答问题的，而不仅仅是代码？ - Arun Vinoth-Precog Tech - MVP
0
从字符串中删除非UTF-8字符：
使用ICONV：
使用MBSTRING：
使用PCRE：
请注意：0x09、0x0A、0x0D等等都是有效的UTF-8编码点。如果您需要删除不可打印字符，这是另一个问题。
使用ICONV：
$text = iconv("UTF-8", "UTF-8//IGNORE", $text);
使用MBSTRING：
mb_substitute_character("none");
$text = mb_convert_encoding($text, "UTF-8", "UTF-8");
使用PCRE：
$text = preg_replace("/([\x{00}-\x{7E}]|[\x{C2}-\x{DF}][\x{80}-\x{BF}]|\x{E0}[\x{A0}-\x{BF}][\x{80}-\x{BF}]|[\x{E1}-\x{EC}\x{EE}\{xEF}][\x{80}-\x{BF}]{2}|\x{ED}[\x{80}-\x{9F}][\x{80}-\x{BF}]|\x{F0}[\x{90}-\x{BF}][\x{80}-\x{BF}]{2}|[\x{F1}-\x{F3}][\x{80}-\x{BF}]{3}|\x{F4}[\x{80}-\x{8F}][\x{80}-\x{BF}]{2})|(.)/s", "$1", $text);
请注意：0x09、0x0A、0x0D等等都是有效的UTF-8编码点。如果您需要删除不可打印字符，这是另一个问题。
- NoSkill
-1
也许不是最精确的解决方案，但只需一行代码即可完成工作：
echo str_replace("?","",(utf8_decode($str)));
utf8_decode 将把字符转换成问号；
str_replace 将去除问号。
- user12602477
2
3如果
$str = 'Hello?'，该怎么办？ - Nick1这也将剥离掉99%的所有有效Unicode字符，即那些不能在ISO 8859-1中表示的字符，因为这就是utf8_decode转换的内容。 - IMSoP
-3
- Ben
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接