如何在PHP中檢測格式錯誤的utf-8字符串？

的iconv功能有時給我一個錯誤：如何在PHP中檢測格式錯誤的utf-8字符串？

Notice: 
iconv() [function.iconv]: 
Detected an incomplete multibyte character in input string in [...]

有沒有一種方法來檢測，有以UTF-8串非法字符將數據inconv過嗎？

來源

2011-07-17 rsk82

同時，我發現這一點：HTTP：// stackoverflow.com/questions/4407854/how-to-detect-if-have-to-apply-utf8-decode-or-encode-on-a-string – rsk82

首先，請注意，無法檢測文本是否屬於特定的不需要的編碼。您只能檢查給定編碼中的字符串是否有效。

自PHP 4.3.5以來，您可以使用preg_match^{[PHP Manual]}中提供的UTF-8有效性檢查。它會返回0（無附加信息），如果一個無效的字符串給出：

$isUTF8 = preg_match('//u', $string);

另一種可能性是mb_check_encoding^{[PHP Manual]}：

$validUTF8 = mb_check_encoding($string, 'UTF-8');

您可以使用的另一個功能是mb_detect_encoding^{[PHP Manual]}：

$validUTF8 = ! (false === mb_detect_encoding($string, 'UTF-8', true));

將參數strict設置爲true非常重要。

此外，iconv^{[PHP Manual]}允許您即時更改/刪除無效序列。（但是，如果iconv遇到這樣的序列，它會生成一個通知，這種行爲不能被改變。）

echo 'TRANSLIT : ', iconv("UTF-8", "ISO-8859-1//TRANSLIT", $string), PHP_EOL; 
echo 'IGNORE : ', iconv("UTF-8", "ISO-8859-1//IGNORE", $string), PHP_EOL;

您可以使用@並檢查返回字符串的長度：

strlen($string) === strlen(@iconv('UTF-8', 'UTF-8//IGNORE', $string));

檢查手冊頁上的示例也在iconv中。

您尚未分享通知所源自的源代碼。如果你想要更具體的建議，你應該添加它。

來源

2011-07-17 11:41:20 hakre

你沒有錯，但似乎'preg_match（'！。！u'，$ str）'做了技巧 - 在嘗試查找任何內容之前，它會靜靜地檢查str是否爲utf-8。 - 正則表達式中的那個點甚至不需要 – rsk82

@ user393087：我做了一個輕微的編輯，以使'preg_match'方法在空字符串上正常工作。 – hakre

@Alan：感謝您的好編輯。 – hakre

UTF-8中無效字符的規範非常清晰。在試圖解析它之前，您可能想要將它們除去。他們不應該在那裏，所以如果你能夠避免它，甚至在生成更好的XML之前。

在這裏看到一個參考：

http://www.w3.org/TR/xml/#charsets

這不是一個完整列表，許多解析器還禁止一些低編號的控制字符，但現在我不能找到一個完整列表。

然而，的iconv可能有此內置支持：

http://www.zeitoun.net/articles/clear-invalid-utf8/start

來源

2011-07-17 11:40:46 jishi

你可以嘗試使用mb_detect_encoding檢測，如果你有一個不同的字符集（比UTF-8），然後mb_convert_encoding轉換爲UTF-8（如果需要）。人們更有可能以不同的字符集爲您提供有效的內容，而不是給您無效的UTF-8。

來源

2011-07-17 11:41:12 Robin

請注意，有效的ASCII字符串也是有效的UTF8字符串。這意味着mb_detect_encoding將爲任何字符串返回「ASCII」，這是一個有效的UTF8字符串，並且不包含任何Unicode字符。 – GordonM

把一個@中的iconv的前面（）來抑制注意和// IGNORE UTF-8在源編碼ID後忽略無效字符：

@iconv('UTF-8//IGNORE', $destinationEncoding, $yourString);

來源

2011-07-17 11:51:42 nobody

我知道如何忽略它，我不知道如何檢測它，我不想將它默默地傳遞給我的代碼。 – rsk82

檢測到錯誤後你想要做什麼？ – nobody

順便說一句，在另一個問題'preg_match（）'解決方案是非常有趣的，我會去那。 – nobody

如何在PHP中檢測格式錯誤的utf-8字符串？

回答

相關問題