• 技术文章 >后端开发 >PHP问题

    php怎么删除非utf8字符

    藏色散人藏色散人2021-06-11 10:56:43原创67

    php删除非utf8字符的方法:首先创建一个PHP示例文件;然后使用正则表达式“preg_replace($regex, '$1', $text);”方法删除非utf8字符即可。

    本文操作环境:windows7系统、PHP7.1版,DELL G3电脑

    具体问题:

    php怎么删除非utf8字符?

    php 从字符串中删除非UTF8字符

    我在从字符串中删除非utf8字符时出现问题,这些字符无法正确显示。像这样的字符0x97 0x61 0x6C 0x6F(十六进制表示)

    删除它们的最佳方法是什么?正则表达式还是其他?

    解决办法:

    使用正则表达式方法:

    $regex = <<<'END'
    /
      (
        (?: [\x00-\x7F]                 # single-byte sequences   0xxxxxxx
        |   [\xC0-\xDF][\x80-\xBF]      # double-byte sequences   110xxxxx 10xxxxxx
        |   [\xE0-\xEF][\x80-\xBF]{2}   # triple-byte sequences   1110xxxx 10xxxxxx * 2
        |   [\xF0-\xF7][\x80-\xBF]{3}   # quadruple-byte sequence 11110xxx 10xxxxxx * 3 
        ){1,100}                        # ...one or more times
      )
    | .                                 # anything else
    /x
    END;
    preg_replace($regex, '$1', $text);

    它搜索UTF-8序列,并将其捕获到组1中。它还匹配无法识别为UTF-8序列的一部分的单个字节,但不捕获这些字节。替换是捕获到组1中的任何内容。这将有效删除所有无效字节。

    通过将无效字节编码为UTF-8字符,可以修复字符串。但是,如果错误是随机的,则可能会留下一些奇怪的符号。

    $regex = <<<'END'
    /
      (
        (?: [\x00-\x7F]               # single-byte sequences   0xxxxxxx
        |   [\xC0-\xDF][\x80-\xBF]    # double-byte sequences   110xxxxx 10xxxxxx
        |   [\xE0-\xEF][\x80-\xBF]{2} # triple-byte sequences   1110xxxx 10xxxxxx * 2
        |   [\xF0-\xF7][\x80-\xBF]{3} # quadruple-byte sequence 11110xxx 10xxxxxx * 3 
        ){1,100}                      # ...one or more times
      )
    | ( [\x80-\xBF] )                 # invalid byte in range 10000000 - 10111111
    | ( [\xC0-\xFF] )                 # invalid byte in range 11000000 - 11111111
    /x
    END;
    function utf8replacer($captures) {
      if ($captures[1] != "") {
        // Valid byte sequence. Return unmodified.
        return $captures[1];
      }
      elseif ($captures[2] != "") {
        // Invalid byte of the form 10xxxxxx.
        // Encode as 11000010 10xxxxxx.
        return "\xC2".$captures[2];
      }
      else {
        // Invalid byte of the form 11xxxxxx.
        // Encode as 11000011 10xxxxxx.
        return "\xC3".chr(ord($captures[3])-64);
      }
    }
    preg_replace_callback($regex, "utf8replacer", $text);

    编辑:

    在这种情况下,x != ""似乎是最好的选择。

    我也加快了比赛速度。而不是单独匹配每个字符,它匹配有效的UTF-8字符序列。

    推荐学习:《PHP视频教程

    以上就是php怎么删除非utf8字符的详细内容,更多请关注php中文网其它相关文章!

    声明:本文原创发布php中文网,转载请注明出处,感谢您的尊重!如有疑问,请联系admin@php.cn处理
    专题推荐:php
    上一篇:php怎么上传图片改文件名 下一篇:什么是PhpSpreadsheet?如何使用?
    第16期线上培训班

    相关文章推荐

    • 教你玩转php中laravel框架(分享)• php数组怎么合并不覆盖• PHP中让人心动的物联网毕业设计(解决方案)• php怎么上传图片改文件名

    全部评论我要评论

  • 取消发布评论发送
  • 1/1

    PHP中文网