2

嗨，我正在向 zend_lucene_search 提供上下文，它可以搜索到特殊字符的单词，之后就无法搜索了。

例如：

    very well to the other job boards � one of the main things that has impressed is the variety of the applications, especially with regards to the background of the candidates" manoj � Head

如果我搜索“板”，我可以得到它，但如果我在不可读的字符之后搜索一个或任何字符串，我就无法搜索它。

如何删除这些，我想得到纯文本。

我在将 .docx/pdf 文件转换为文本时得到了这些字符。

或者

让我知道如何只向 zend_search_lucene 提供文本。

请帮忙。

4

2 回答 2

2

您可以使用以下preg_replace函数调用从字符串中删除所有非 ASCII（所谓的特殊）字符：

$replaced = preg_replace('/[^\x00-\x7F]+/', '', $str);
// produces this converted text:
//    "very well to the other job boards  one of the main things that has impressed
// is the variety of the applications, especially with regards to the background of the
// candidates" manoj  Head"
于 2012-05-30T13:23:37.937 回答
1

您可能需要转换正在处理的字符串的字符集以匹配当前 HTML 文档的字符集。

例如，如果您的 HTML 文档使用 UTF-8，那么您可以通过 utf8_encode() 运行您的字符串。否则，如果您不确定要使用哪个字符集，请尝试使用 mb_convert_encoding()并使用一些更常见的字符集。

于 2012-05-30T13:16:10.430 回答