preg_replace 遇到 ó (acute o) 后返回 null答案

【问题标题】：preg_replace returning null after encountering ó (acute o)preg_replace 遇到 ó (acute o) 后返回 null
【发布时间】：2017-07-06 10:59:37
【问题描述】：

我正在读取并解析一个 ANSI 格式的 CSV 文件。在我解析它之前，我想删除所有不在白名单中的字符

// remove any odd characters from string
$match_list = "\x{20}-\x{5f}\x{61}-\x{7e}"; // basic ascii chars excluding backtick
$match_list .= "\x{a1}-\x{ff}"; // extended latin 1 chars excluding control chars
$match_list .= "\x{20ac}\x{201c}\x{201d}"; // euro symbol & left/right double quotation mark (from Word)
$match_list .= "\x{2018}\x{2019}"; // left/right single quotation mark (from word)

$cleaned_line = preg_replace("/[^$match_list]/u", "*",$linein);

问题是当它到达包含 ó（acute o）字符的行时返回 NULL。根据我的文本编辑器，这是 xF3，所以应该被允许。

为什么会在 preg_replace 中抛出错误？

更新 - 它似乎与文件有关 - 如果我将问题行从 CSV 文件复制并粘贴到我的 PHP 文件中，它可以正常工作。

更新 2 - 使用 preg_last_error() 我能够确定错误是：

 PREG_BAD_UTF8_ERROR    Returned by preg_last_error() if the last error was caused by malformed UTF-8 data (only when running a regex in UTF-8 mode).

我的文本编辑器刚刚将文件报告为 ANSI，但使用 unix 文件命令我得到了这个：

% file PRICE_LIST_A.csv
PRICE_LIST_A.csv: Non-ISO extended-ASCII text, with CRLF line terminators

% file DOLLARS_PRICE_LIST.csv
DOLLARS_PRICE_LIST.csv: ISO-8859 text, with CRLF line terminators

% file PRICE_LIST_B.csv
PRICE_LIST_B.csv: Non-ISO extended-ASCII text, with CRLF line terminators

% file PRICE_LIST_TEST.csv
PRICE_LIST_TEST.csv: ASCII text, with CRLF line terminators

看来我已经从同一个会计应用程序中获得了具有各种编码的文件。我猜这些不是有效的 Unicode

【问题讨论】：

为什么要替换preg？ str_replace 不再适用于静态替换了吗？
好像work。
str_replace 不匹配模式？
显示var_dump($linein); 的输出，否则代码工作正常。
@Wiktor Stribiżew 谢谢，但它为我返回 NULL。 Unix 上的 PHP 5.6

标签： php regex preg-replace

【解决方案1】：

当您使用 /u（PCRE_UTF8 修饰符）时，无效的主题 $linein 将不匹配。要解决此问题，请确保您传递的字符串是 UTF-8。

如果您的字符串使用 ISO-8859-1 编码，请尝试将其转换为 UTF8：

$cleaned_line = preg_replace( "/[^$match_list]/u", "*", utf8_encode($linein) );

否则，请查看mb_convert_encoding() 函数。

【讨论】：