PHP：如何過濾不可見的ASCII字符？

任何人都知道從PHP中的字符串中篩選不可見和稀有字符的好方法嗎？PHP：如何過濾不可見的ASCII字符？

我在解析網站新聞文章文本的情況下，正在執行一系列「規範化」操作，例如刪除雙重新行，刪除標籤等。問題是我偶然發現了一些奇怪的無形字符，當我打電話給ord()時，我得到194和160 ..他們不屬於那裏。事情是這樣的字符出現在新的段落之間，所以當文本被渲染時，似乎有一個雙重的新行，因爲有兩個段落之間有一個不可見的字符。

如果我可以很容易地過濾除拉丁文，西里爾文，數字和普通字符（如*，（，％等）之外的任何東西，我仍然可以很好。我可以製作全部地圖並替換剩下的地圖，但是將是最簡單和最快的方式來做到這一點？

來源

2012-03-02 Tony Bogdanov

ASCII只定義了128個字符 - 沒有ASCII字符194和160.您應該[在Unicode上閱讀]（http://www.joelonsoftware.com/articles/Unicode.html）。 – phihag 2012-03-02 00:22:28

iso-8859-1，-2，-3，-4，-9，-10，-14，-15，-16將'160'定義爲非破壞空間，將'194'定義爲拉丁文的大寫字母A抑揚。 -5將194定義爲西裏爾字母TE'Т'，-6將194定義爲阿拉伯語Alef，Madda高於â，-7將194定義爲希臘語資本Beta'B'，-8不定義194，-11將194定義爲Thai Yo Yak''，-13將194定義爲拉丁文大寫字母A和Macron（但是當使用'terminus' iso-10646字體時，我的手冊頁顯示'B';請參閱圖）。 – sarnold 2012-03-02 00:34:55

這個問題似乎有效。當然，只需稍作編輯即可糾正作者的輕微疏忽。 – Adjam 2012-03-02 00:40:57

該文章和我的腳本都在相同的'語言環境'或任何它被稱爲 - 它使用西里爾字符的Windows-1251，解析是正確的，但海報設法插入一個奇怪的字符，而輸入新聞文章。

我做了一個preg_replace正則表達式來除去字符，數字和一些常見的符號，它適用於我

@phihag這篇文章很有意思，但沒有回答我的問題，只是告訴我它並沒有被正確地問及讓我感到無聊。

來源

2012-03-02 17:43:32

PHP：如何過濾不可見的ASCII字符？

回答

相關問題