如何使用PHP在上下文中刪除不可讀的字符？

Question

您好喂zend_lucene_search上下文，它可以搜索單詞達到特殊字符，然後它是不可搜索的。

例如：

very well to the other job boards � one of the main things that has impressed is the variety of the applications, especially with regards to the background of the candidates" manoj � Head 

如果我搜索「板」我能得到它，但如果我搜索一個或不可讀字符之後的任何字符串，我不能搜索。

如何刪除這些，我想獲得純文本。

我將這些字符轉換成.docx/pdf文件爲文本。

OR

讓我知道如何餵養才Zend_Search_Lucene的文字..

請幫助。

Answer 1

您可以使用下面preg_replace函數調用來刪除所有非ASCII（所謂特）從字符串中的字符：

$replaced = preg_replace('/[^\x00-\x7F]+/', '', $str); 
// produces this converted text: 
// "very well to the other job boards one of the main things that has impressed 
// is the variety of the applications, especially with regards to the background of the 
// candidates" manoj Head" 

Answer 2

您可能需要將要處理的字符串的字符集轉換爲與當前HTML文檔的字符集相匹配。例如，如果您的HTML文檔使用UTF-8，那麼您可以通過utf8_encode（）運行您的字符串。否則，如果您不確定要使用哪個字符集，請嘗試使用mb_convert_encoding()並嘗試使用一些更常見的字符集。