PHP: reemplazar caracteres no válidos en cadena utf-8 en

Question

¿Cómo reemplazar (usar expresiones regulares en PHP5) caracteres no válidos en cadena utf-8 en caracteres de espacios en blanco?

Answer 1

uso iconv

$text = iconv("UTF-8", "UTF-8//IGNORE", $text); 

ver la manual.

Saludos

Answer 2

El iconv no funcionaba mi caso (como otras soluciones) así que encontré la mía aquí en la parte de "la validación del carácter":

http://webcollab.sourceforge.net/unicode.html

Answer 3

Con mbstring que pueda do:

$text = mb_convert_encoding($text, 'UTF-8', 'UTF-8'); 

Funcionará como lo desee (reemplace los caracteres no válidos por espacios en blanco), pero no parece funcionar si desea sustituir caracteres no válidos por otra cosa, como ?.

Ver: Replacing invalid UTF-8 characters by question marks, mbstring.substitute_character seems ignored

Answer 4

Si ha encontrado el error maldito ‘carácter no válido’, mientras que el uso de XML de PHP o analizador JSON entonces usted podría estar interesado en esto.

Desafortunadamente, los analizadores XML y JSON de PHP no ignoran los caracteres que no son UTF8, sino que se detienen y arrojan un error bastante inútil. Encontré el siguiente código en forma de red y funciona excelentemente para mí ..

//reject overly long 2 byte sequences, as well as characters above U+10000 and replace with ? 
$some_string = preg_replace('/[\x00-\x08\x10\x0B\x0C\x0E-\x19\x7F]'. 
'|[\x00-\x7F][\x80-\xBF]+'. 
'|([\xC0\xC1]|[\xF0-\xFF])[\x80-\xBF]*'. 
'|[\xC2-\xDF]((?![\x80-\xBF])|[\x80-\xBF]{2,})'. 
'|[\xE0-\xEF](([\x80-\xBF](?![\x80-\xBF]))|(?![\x80-\xBF]{2})|[\x80-\xBF]{3,})/S', 
'?', $some_string); 

//reject overly long 3 byte sequences and UTF-16 surrogates and replace with ? 
$some_string = preg_replace('/\xE0[\x80-\x9F][\x80-\xBF]'. 
'|\xED[\xA0-\xBF][\x80-\xBF]/S','?', $some_string);