php - 如何使用 PHP 在上下文中删除不可读的字符？

Question

嗨，正在向 zend_lucene_search 提供上下文，它可以搜索单词直到特殊字符，之后就不可搜索了。

例如:

    very well to the other job boards � one of the main things that has impressed is the variety of the applications, especially with regards to the background of the candidates" manoj � Head 

如果我搜索“boards”，我可以得到它，但是如果我在不可读的字符之后搜索一个或任何字符串，我就无法搜索它。

如何删除这些，我想获得纯文本。

我在将 .docx/pdf 文件转换为文本时得到了这些字符。

或

让我知道如何仅将文本提供给 zend_search_lucene ..

请帮忙。

Answer 1

您可以使用以下 preg_replace从字符串中删除所有非 ASCII(所谓的特殊)字符的函数调用:

$replaced = preg_replace('/[^\x00-\x7F]+/', '', $str);
// produces this converted text:
//    "very well to the other job boards  one of the main things that has impressed
// is the variety of the applications, especially with regards to the background of the
// candidates" manoj  Head"