PHP 删除特殊字符以确保字符串是 utf-8 编码的答案

【问题标题】：PHP remove special characters to make sure a string is utf-8 encodedPHP 删除特殊字符以确保字符串是 utf-8 编码的
【发布时间】：2015-05-19 02:35:57
【问题描述】：

我不知道如何从字符串中删除特殊字符以确保仅包含 uft-8 + 法语字符支持的字符。下面的 base64 字符串具有特殊字符，我的清理功能未能删除它们，这导致使用 FPDF 单元格等时无法打印文本。如果您在https://www.base64decode.org/ 处解码字符串，您将看到特殊字符。

// My sanitizing function
static function remove_none_word_chars($string) {
        return preg_replace('/[^a-zA-Z0-9`_.,;@#%~\’\'\"+*\?\^\[\]\$\(\)\{\}\=!\<\>\|\-:\s\/\\sàâçéèêëîïôûùüÿñæœ]/ui', '', $string);
    }

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

更新谢谢大家的回答，上面的函数确实有效，有一个条件语句我忘了在其他地方改变，那就是:(尴尬。

【问题讨论】：

utf-8 有超过一百万个字符
请删除您的问题。

标签： php utf-8 special-characters

【解决方案1】：

您的函数有效，只是在传递字符串之前没有对其进行解码。

像remove_none_word_chars(base64_decode($string))一样使用它

【讨论】：

【解决方案2】：

要删除非打印字符，您可以使用正则表达式。

$data= preg_replace('/[^\x0A\x20-\x7E\xC0-\xD6\xD8-\xF6\xF8-\xFF]/','',$data);

// Or to preserve extended characters, use the below expression.
// Mind you many of these may still be non-printing.
$data= preg_replace('/(?!\n)[[:cntrl:]]+/','',$data);

这是来自answer to a previous question of mine，用于从发往error_log 的字符串中删除非打印字符。

它的作用是删除所有不在提供列表中的字符，或者（在第二个示例中）是控制字符。名单：

\x0A = [newline]
\x20-\x7E = [space] ! " # $ % & ' ( ) * + , - . / 0 1 2 3 4 5 6 7 8 9 : ; < = > ? @ A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ _ ` a b c d e f g h i j k l m n o p q r s t u v w x y z { | } ~
\xC0-\xD6 = À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î Ï Ð Ñ Ò Ó Ô Õ Ö
\xD8-\xF6 = Ø Ù Ú Û Ü Ý Þ ß à á â ã ä å æ ç è é ê ë ì í î ï ð ñ ò ó ô õ ö
\xF8-\xFF = ø ù ú û ü ý þ ÿ

至于编码为 UTF-8，这应该不是什么大问题，但是有一些可用的函数，例如 utf8-encode，可能会有所帮助。我相信您必须在删除非打印字符之前在字符串上调用它。但是请注意，如果字符串不是正确的格式，或者已经是 UTF-8，这可能会使字符串不可读。

【讨论】：

这可行，但我必须添加 /u $s = preg_replace('/[^\x0A\x20-\x7E\xC0-\xD6\xD8-\xF6\xF8-\xFF]/ u', '', $string)

【解决方案3】：

这是一种删除非数字和字母字符的方法

static function remove_none_word_chars($string) {
    return preg_replace('~[^\\pL\d]+~u', ' ', $string);
}

查看实际操作：http://3v4l.org/GP31i

【讨论】：

【解决方案4】：

相信你可以使用这个功能

$test = utf8_encode("your text here");
$new = utf8_decode($test);

【讨论】：