PHP額外空白不被刪除

Question

我正在計算文章中的單詞，並刪除諸如「和」或「the」等常見單詞。 我「米使用的preg_replace

的刪除它們它完成後，我用做額外的空白區域快速清潔。

$search_body = preg_replace('/\s+/',' ',$search_body); 

但是我有一些非常固執的空白，將不會走開。我已經試過

if($word == "" OR $word == " "){ 
    //chop it's head off 
} 

但如果語句看不到$字爲只是空格。我也試着將它打印到屏幕，以獲取它的原始數據類型，它仍然只是顯示空白。

這是我正在使用的完整正則表達式。

$pattern = array( 
     '/\&quot\;/', 
     '/[0-9]/', 
     '/\,/', 
     '/\./', 
     '/\!/', 
     '/\@/', 
     '/\#/', 
     '/\$/', 
     '/\%/', 
     '/\^/', 
     '/\&/', 
     '/\*/', 
     '/\(/', 
     '/\)/', 
     '/\_/', 
     '/\"/', 
     '/\'/', 
     '/\:/', 
     '/\;/', 
     '/\?/', 
     '/\`/', 
     '/\~/', 
     '/\[/', 
     '/\]/', 
     '/\{/', 
     '/\}/', 
     '/\|/', 
     '/\+/', 
     '/\=/', 
     '/\-/', 
     '/–/', 
     '/°/', 
     '/\bthe\b/', 
     '/\band\b/', 
     '/\bthat\b/', 
     '/\bhave\b/', 
     '/\bfor\b/', 
     '/\bnot\b/', 
     '/\bwith\b/', 
     '/\byou\b/', 
     '/\bthis\b/', 
     '/\bbut\b/', 
     '/\bhis\b/', 
     '/\bfrom\b/', 
     '/\bthey\b/', 
     '/\bsay\b/', 
     '/\bher\b/', 
     '/\bshe\b/', 
     '/\bwill\b/', 
     '/\bone\b/', 
     '/\ball\b/', 
     '/\bwould\b/', 
     '/\bthere\b/', 
     '/\btheir\b/', 
     '/\bwhat\b/', 
     '/\bout\b/', 
     '/\babout\b/', 
     '/\bwho\b/', 
     '/\bget\b/', 
     '/\bwhich\b/', 
     '/\bwhen\b/', 
     '/\bmake\b/', 
     '/\bcan\b/', 
     '/\blike\b/', 
     '/\btime\b/', 
     '/\bjust\b/', 
     '/\bhim\b/', 
     '/\bknow\b/', 
     '/\btake\b/', 
     '/\bpeople\b/', 
     '/\binto\b/', 
     '/\byear\b/', 
     '/\byour\b/', 
     '/\bgood\b/', 
     '/\bsome\b/', 
     '/\bcould\b/', 
     '/\bthem\b/', 
     '/\bsee\b/', 
     '/\bother\b/', 
     '/\bthan\b/', 
     '/\bthen\b/', 
     '/\bnow\b/', 
     '/\blook\b/', 
     '/\bonly\b/', 
     '/\bcome\b/', 
     '/\bits\b/', //it's? 
     '/\bover\b/', 
     '/\bthink\b/', 
     '/\balso\b/', 
     '/\bback\b/', 
     '/\bafter\b/', 
     '/\buse\b/', 
     '/\btwo\b/', 
     '/\bhow\b/', 
     '/\bour\b/', 
     '/\bwork\b/', 
     '/\bfirst\b/', 
     '/\bwell\b/', 
     '/\bway\b/', 
     '/\beven\b/', 
     '/\bnew\b/', 
     '/\bwant\b/', 
     '/\bbecause\b/', 
     '/\bany\b/', 
     '/\bthese\b/', 
     '/\bgive\b/', 
     '/\bday\b/', 
     '/\bmost\b/', 
     '/\bare\b/', 
     '/\bwas\b/', 
     '/\<\w+\>/', '/\<\/\w+\>/', 
     '/\b\w{1}\b/', //1 letter word 
     '/\b\w{2}\b/', //2 letter word 
     '/\//', 
     '/\</',  
     '/\>/' 
     ); 

$search_body = strip_tags($body); 
$search_body = strtolower($search_body); 
$search_body = preg_replace($pattern, ' ', $search_body); 
$search_body = preg_replace('/\s+/',' ',$search_body); 
$search_body = explode(" ", $search_body); 

爆炸時的空白值顯示出來，我現在用的就是太長，張貼在這裏左右

示例文本。但是我複製並粘貼了 This article來給它一個測試，它顯示了32個空白的計數，即使在使用trim（）之後也不包括其他單詞前面或後面的空白。

Here's a js.fiddle of the raw data that is being handled by php.

ヶ輛並用htmlspecialchars也什麼都不顯示。

這裏的代碼計算所有的值並將它們放入一個。

$inhere  = array(); 
$body_hold = array(); 
foreach($search_body as $value){ 
    $value = trim($value); 
    if(in_array($value, $inhere) && $value != ""){ 
    $key = array_search($value, $inhere); 
    $body_hold[$key]['count'] = $body_hold[$key]['count']+1; 
    }elseif($value != ""){ 
    $inhere[] = $value; 
    $body_hold[] = array(
     'count' => 1, 
     'word' => $value 
    ); 
    } 
} 
rsort($body_hold); 

基本的foreach看到的值。

foreach($body_hold as $value){ 
    $count = $value['count']; 
    $word = trim($value['word']); 
    echo "Count: ".$count; 
    echo " Word: ".$word; 
    echo '<br>'; 
} 

Here's a PHP example of what it's returning

Answer 1

你確定你把你的js.fiddle處理完全相同的數據？或者你是從後續的後處理步驟中獲得的？

這顯然是一篇維基百科的文章。我去了維基百科的那篇文章，並以編輯模式打開它，並看到原始wiki文本中有&。但是，這些nbsp不會出現在js.fiddle數據中。

TL; DR：檢查& nbsp;在你的處理中（並轉換爲空格等）。

Answer 2

該字符160看起來像空間，但它不是，將它們全部替換爲常規空格（32），然後刪除所有雙空格將解決您的問題。

$search_body = str_replace(chr(160), chr(32), $search_body); 
$search_body = trim(preg_replace('/\s+/', ' ', $search_body));