php - 如何在 PHP 中检测格式错误的 UTF-8 字符串？

Question

iconv 函数有时会报错:

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

有没有办法在向 inconv() 发送数据之前检测 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不需要的编码。您只能检查字符串在给定编码中是否有效。

您可以使用 preg_match ^{[PHP Manual]} 中提供的 UTF-8 有效性检查。自 PHP 4.3.5 起。如果给出无效字符串，它将返回 0(没有附加信息):

$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函数是mb_detect_encoding ^{[PHP Manual]} :

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

将 strict 参数设置为 true 很重要。

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));

请查看 iconv 手册页上的示例。