PHP：替換utf-8字符串中的無效字符

Question

如何在空白字符中替換（在PHP5中使用正則表達式）utf-8字符串中的無效字符？

Answer 1

使用的iconv

$text = iconv("UTF-8", "UTF-8//IGNORE", $text); 

看到manual。

乾杯

Answer 2

的的iconv不工作我的情況下（如其他解決方案），所以我找到了我在這裏的一部分「字符驗證」：

http://webcollab.sourceforge.net/unicode.html

Answer 3

隨着MBSTRING可以請執行以下操作：

$text = mb_convert_encoding($text, 'UTF-8', 'UTF-8'); 

將按需要工作（用空格替換無效字符），但如果你想用其他東西替換無效字符，如?，似乎不起作用。

參見：Replacing invalid UTF-8 characters by question marks, mbstring.substitute_character seems ignored

Answer 4

如果您所遇到的詛咒「無效字符」錯誤而使用PHP的XML或JSON解析器，那麼你可能會感興趣。

不幸的是，PHP的XML和JSON解析器不會忽略非UTF8字符，而是會停止並拋出一個相當無用的錯誤。我發現下面的代碼形式淨，對我很好地工作..

//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);