我试图确保我的字符串在 PHP 中只有有效的 UTF-8 字符。我怎样才能做到这一点？ [复制]答案

【问题标题】：I'm trying to make sure my string has only valid UTF-8 characters in PHP. How can I do that? [duplicate]我试图确保我的字符串在 PHP 中只有有效的 UTF-8 字符。我怎样才能做到这一点？ [复制]
【发布时间】：2013-01-10 22:06:08
【问题描述】：

可能重复：
PHP: replace invalid characters in utf-8 string in

我有一个字符串，其中包含无效字符（不是 UTF-8），例如以下显示 SUB：

我认为这是某种外国无效字符。

在 PHP 中有没有办法获取一个字符串并使用 preg_replace 或其他东西来确保我在我的字符串中只使用有效的 UTF-8 字符，而其他任何东西都会被删除？

谢谢。

【问题讨论】：

标签： php regex string unicode utf-8

【解决方案1】：

首先，不存在无效的 UTF-8 字符。存在无效的 UTF-8 字节和字节序列，这意味着有人试图对您的服务器发起编码攻击。这些可以在即将到来的输入数据上使用mb_check_encoding 进行验证，如果您没有获得有效的 UTF-8，则会立即失败并显示 400 Bad Request。

你所拥有的只是 SUBSTITUTE 控制字符，一个有效但不可打印的字符。

最初打算用作传输控制字符表示收到了乱码或无效字符。它有当带内信令时，经常被用于其他目的它提供的错误是不需要的，尤其是在稳健的方法使用错误检测和纠正，或在预期错误的地方稀有到足以将角色用于其他目的建议。

你可以使用这个正则表达式来摆脱它（and a few others）：

$reg = '/(?![\r\n\t])[\p{Cc}]/u';

preg_replace( $reg, "", $str );

【讨论】：

UTF-8 字符与 UTF-8 字节？你能详细说明一下吗？
字符 = ABCΩ。 UTF-8 字节：0x41 0x42 0x43 0xce 0xa9。术语UTF-8 character 没有意义，UTF-8 是一种编码，它描述了字符如何表示为具体字节。
我想知道您的意思是不是存在无效的 UTF-8 字节 *sequences*。
@SalmanA 是的，我现在添加了它。还有很多无效字节，永远无效的字节，甚至没有任何顺序。

【解决方案2】：

mb_check_encoding 函数应该可以做到这一点。

mb_check_encoding("Jetzt gibts mehr Kanonen", "UTF-8");

注意：我还没有测试过。

【讨论】：

这只是返回一个真或假，实际上并没有检测/告诉我哪个字符是有效的或删除它。不过关闭！
如果您需要检查哪些字符无效，您可以遍历字符串并在每个字符上调用 mb_check_encoding，如果返回 false，则将其删除。
@Kyle 你的意思是每个字节，然后它会为任何多字节编码字节返回 false，除了 UTF-8 中的 ASCII 字节。