从字符串中删除非 utf8 字符

我在从字符串中删除非 utf8 字符时遇到问题，这些字符无法正确显示。字符是这样的 0x97 0x61 0x6C 0x6F （十六进制表示）

去除它们的最佳方法是什么？正则表达式还是其他什么？

如果您申请utf8_encode()对于已经是 UTF8 的字符串，它将返回乱码的 UTF8 输出。

我做了一个函数来解决所有这些问题。叫做Encoding::toUTF8().

您不需要知道字符串的编码是什么。它可以是 Latin1 (ISO8859-1)、Windows-1252 或 UTF8，或者字符串可以是它们的混合。Encoding::toUTF8()会将所有内容转换为 UTF8。

我这样做是因为一项服务给了我一个混乱的数据源，将这些编码混合在同一个字符串中。

Usage:

require_once('Encoding.php'); 
use \ForceUTF8\Encoding;  // It's namespaced now.

$utf8_string = Encoding::toUTF8($mixed_string);

$latin1_string = Encoding::toLatin1($mixed_string);

我添加了另一个函数 Encoding::fixUTF8()，它将修复每个因多次编码为 UTF8 而看起来乱码的 UTF8 字符串。

Usage:

require_once('Encoding.php'); 
use \ForceUTF8\Encoding;  // It's namespaced now.

$utf8_string = Encoding::fixUTF8($garbled_utf8_string);

例子：

echo Encoding::fixUTF8("Fédération Camerounaise de Football");
echo Encoding::fixUTF8("Fédération Camerounaise de Football");
echo Encoding::fixUTF8("FÃÂédÃÂération Camerounaise de Football");
echo Encoding::fixUTF8("Fédération Camerounaise de Football");

将输出：

Fédération Camerounaise de Football
Fédération Camerounaise de Football
Fédération Camerounaise de Football
Fédération Camerounaise de Football

下载：

https://github.com/neitanod/forceutf8 https://github.com/neitanod/forceutf8