php - 替换非 UTF8 字符

Question

在 php 中，我需要替换字符串中的所有非 UTF8 字符。然而，不是通过一些等价的(比如 iconv 函数和 //TRANSLIT )，而是通过一些选择的字符(比如 "_" 或 "*" )。

通常我希望用户能够看到找到无效字符的位置。

我没有找到任何执行此操作的函数，因此我打算使用:

使用 iconv与 //IGNORE

对两个字符串进行比较，并在非 UTF8 字符的位置插入想要的字符

您是否看到了更好的方法来做到这一点，php 中是否有一些功能可以组合以具有这种行为？

谢谢你的帮助。

Answer 1

这里有 2 个函数可以帮助您实现接近您想要的目标:

//reject overly long 2 byte sequences, as well as characters above U+10000 and replace with ?
$some_string = preg_replace('/[\x00-\x08\x10\x0B\x0C\x0E-\x19\x7F]'.
 '|[\x00-\x7F][\x80-\xBF]+'.
 '|([\xC0\xC1]|[\xF0-\xFF])[\x80-\xBF]*'.
 '|[\xC2-\xDF]((?![\x80-\xBF])|[\x80-\xBF]{2,})'.
 '|[\xE0-\xEF](([\x80-\xBF](?![\x80-\xBF]))|(?![\x80-\xBF]{2})|[\x80-\xBF]{3,})/S',
 '?', $some_string );

//reject overly long 3 byte sequences and UTF-16 surrogates and replace with ?
$some_string = preg_replace('/\xE0[\x80-\x9F][\x80-\xBF]'.
 '|\xED[\xA0-\xBF][\x80-\xBF]/S','?', $some_string );

请注意，您可以通过更改位于 preg_replace('blablabla', **'?'**, $some_string) 的字符串来更改替换(当前是 '?' 与其他任何内容)

原文: http://magp.ie/2011/01/06/remove-non-utf8-characters-from-string-with-php/