PHP:如何对 U+FFFD 进行编码以进行替换？

Question

我正在尝试在页面上显示数据提要。我们遇到了一个奇怪字符的编码问题。出于某种原因，提要中有 U+FFFD 字符。而htmlentities()不会转义字符，所以我需要手动替换。 (我使用的是 PHP 5.3)

我试过以下方法:

$string = str_replace( "\xFFFD",  "_", $string );
$string = str_replace( "\XFFFD",  "_", $string );
$string = str_replace( "\uFFFD",  "_", $string );
$string = str_replace("\x{FFFD}", "_", $string );
$string = str_replace("\X{FFFD}", "_", $string );
$string = str_replace("\P{FFFD}", "_", $string );
$string = str_replace("\p{FFFD}", "_", $string );

以上均无效。

阅读此页后 - http://php.net/manual/en/regexp.reference.unicode.php - 我不确定我做错了什么。我需要将 UTF-8 支持编译到 PCRE 中吗？

Answer 1

你应该尝试解决原来的问题，FFFD(unicode replacement character)在大多数情况下并不是一个真正的文本字符，而是一个标志，表明某些东西试图在一个UTF 编码，但某些内容实际上并未以 UTF 编码进行编码。它是静默丢弃无效字节或完全停止解码过程的替代方法，无论哪种方式，如果您看到它，就会出现错误。

没有办法知道原来的角色是什么。特别是对于您的解决方案，由于您将字符替换为 _，您甚至无法知道原始源被错误解码。你应该回到源头并正确解码。

注意:源文本可以将 � 用作文字、普通字符，例如在谈论它时，这样就不会出现错误。我在回答中排除了这种可能性。