PHP将Unicode空格转换为ASCII空格

Question

我遇到一个问题，我认为原因是我收到了一些使用unicode空格和ascii空格的数据。这导致某些看起来相同的字符串并不等同，例如 "water resistant" != "water resistant"。这些字符串在我的数据库中呈现不同，使用了一些奇怪的字符，通常在出现多字节字符时可以看到："water resistantÂ" 和 " water resistant"。

我想找到一种方法，使所有的空格都成为ascii空格，或者更容易的办法是将所有的空格变成多字节空格。

我尝试使用preg_replace，但这样字符串就不能被识别为有效的多字节字符串了（多字节字符会显示为垃圾字符）。

preg_replace('/[\pZ\pC]/',' ',$field);

我也尝试过使用mb_ereg_replace，但没有效果。

mb_ereg_replace('/[\pZ\pC]/',' ',$field)

- Kai

---

https://dev59.com/0HI_5IYBdhLWcg3wK_s6 - marekful

Answer 1

如果你想要，可以通过以下方式找到并替换它们为标准 ASCII 空格:

$string = str_replace("\xc2\xa0", "\x20", $string);

- Rob Evans

---

我认为这个解决方案是最好的——简单而实用。在我的WordPress content_save_pre()过滤器中，它对我起到了作用，可以消除用户在任何内容编辑器（如Word）中键入两个连续空格时产生的非断行空格——这会将其中一个空格转换为非断行空格以保留2个空格。由于我们不使用打字机，所以2个空格是荒谬的——此外，在浏览器中排版也很麻烦。 - aequalsb

这对我没用，但是@Kai的回答确实有效。 - Sithu

Answer 2

看起来preg_replace('/[\pZ\pC]/u',' ',$field);起作用了（忘记在正则表达式末尾添加 u 了）

- Kai

---

这对我有效，但请注意它似乎比所需的更具攻击性。提供的正则表达式也匹配“标准”ASCII空格。因此，如果您尝试仅替换Unicode非间隔空格（例如使用非空格字符），则将替换比您打算的更多字符。 - rinogo

Answer 3

我认为您需要使用 utf8_decode($field) 函数。

- Joren

---

同意 - 对于我的数据库，ISO-8859-1转换为UTF-8可以使用。 - Mat Carlson

如果我调用utf8_decode（$field），当在网页上显示字段时，该字段仍将出现垃圾字符。在保存到数据库之前，我还需要修复空格问题，否则它将存储多个带有不同空格的“耐水性”的副本，而不是单个条目“耐水性”。 - Kai

Answer 4

你所称之为“unicode空格”的空格是不间断空格（ 代表的是它）。

在保存数据时，你必须先清理它。将所有的不间断空格替换为普通空格，将双空格替换为单空格，最后修剪字符串。

- Lorenz Meyer