php - 如何从文件中动态删除问号垃圾数据？

Question

我有未知数量的文件散布着垃圾数据，我想动态删除这些垃圾数据，也许使用正则表达式。

在浏览器中的 HTML 文件中通常看起来像这样:

this is the beginning of the file, ��

在文件中，它将如下所示:

this is the beginning of the file, xE2xA0

我尝试使用正则表达式编辑器将其删除，但没有用，它根本找不到它。我怎样才能删除这些垃圾数据？同样，一些文件具有各种 HTML 标记。

感谢您的帮助。

Answer 1

出现这些是因为您网站上的字符集有问题。

比如你的文件是用Unicode存储的，但是你的Content-Type设置为text/html；字符集=ISO-8859-1。问题还可能在于文本在数据库中的存储方式，或者文本在编程语言内部的表示方式。

与其试图剥离它们，不如让字符集正确。这通常是一个令人沮丧的过程，因为有很多点可能会引入问题。

你没有说你使用什么技术。一般可以通过搜索“字符集问题mysql”等具体技术如何解决字符集问题来寻找解决方案。

我建议使用命令行工具，例如 file 来检查存储文本文件的字符集，并使用 iconv 将文本文件从一种字符集转换为另一种字符集。