刪除或編碼非UTF-8字符

是否有一個函數可以從字符串中刪除所有非UTF-8字符？刪除或編碼非UTF-8字符

2011-10-09 sbaaaang

Yur問題非常不清楚。如果一個字符串是Unicode，那麼根據定義，該字符串中包含的所有字符都是Unicode字符。 –

@Michael在UTF-8的情況下不是真的。 http://en.wikipedia.org/wiki/UTF-8#Invalid_byte_sequences –

@Pekka，那不是一個Unicode字符串。雖然我可能會誤解，並且OP沒有Unicode字符串開頭。 –

如果您有一個可能包含無效字符的UTF-8字符串，則可以使用iconv刪除這些字符。這應該工作：

$text = iconv("utf-8", "utf-8//ignore", $text);

使其與任意的佔位符可見是一個有點艱難 - 我想不出任何簡單的方法來做到這一點，總之通過每一個字節行走，看看它是否是一個有效的字符。 Wikipedia article提供了關於如何做到這一點的更多信息。

2011-10-09 19:10:10

這是正確的：P這就是爲什麼我刪除了我的評論:)） – sbaaaang

btw此代碼允許我顯示特殊的字符？它不會像我看到的那樣去除它們，但它將它們編碼爲utf-8;我是對的？：P – sbaaaang

@Ispuk nope，這應該只從UTF-8字符串中刪除非UTF-8字符。如果你需要做其他的事情（比如從其他編碼轉換字符），你需要知道什麼* original *編碼是 –

回答