php - 不间断的 utf-8 0xc2a0 空间和 preg_replace 奇怪的行为

Question

在我的字符串中，我有 utf-8 不间断空格（0xc2a0），我想用其他东西替换它。

当我使用

$str=preg_replace('~\xc2\xa0~', 'X', $str);

它工作正常。

但是当我使用

$str=preg_replace('~\x{C2A0}~siu', 'W', $str);

未找到（并替换）不间断空间。

为什么？第二个正则表达式有什么问题？

格式\x{C2A0}正确，我也使用了uflag。

Answer 1

实际上关于 PHP 中转义序列的文档是错误的。当您使用\xc2\xa0语法时，它会搜索 UTF-8 字符。但通过\x{c2a0}语法，它会尝试将 Unicode 序列转换为 UTF-8 编码字符。

不间断空格是U+00A0（Unicode），但编码为C2A0UTF-8。因此，如果您尝试使用该模式~\x{00a0}~siu，它将按预期工作。

Answer 2

我已经汇总了以前的答案，因此人们只需复制/粘贴以下代码即可选择他们喜欢的方法：

$some_text_with_non_breaking_spaces = "some text with 2 non breaking spaces at the beginning";
echo 'Qty non-breaking space : ' . substr_count($some_text_with_non_breaking_spaces, "\xc2\xa0") . '<br>';
echo $some_text_with_non_breaking_spaces . '<br>';

# Method 1 : regular expression
$clean_text = preg_replace('~\x{00a0}~siu', ' ', $some_text_with_non_breaking_spaces);

# Method 2 : convert to bin -> replace -> convert to hex
$clean_text = hex2bin(str_replace('c2a0', '20', bin2hex($some_text_with_non_breaking_spaces)));

# Method 3 : my favorite
$clean_text = str_replace("\xc2\xa0", " ", $some_text_with_non_breaking_spaces);

echo 'Qty non-breaking space : ' . substr_count($clean_text, "\xc2\xa0"). '<br>';
echo $clean_text . '<br>';

Answer 3

在我看来，这两个代码做了不同的事情：第一个\xc2\xa0将替换两个字符，\xc2并且\xa0什么都没有。

在 UTF-8 编码中，这恰好是U+00A0.

\x{00A0}行得通吗？这应该是 的表示\xc2\xa0。

Answer 4

我没有使用这个变体~\x{c2a0}~siu。

瓦里安\x{00A0}工作。我没有尝试过第二个选项，结果如下：

我试图将其转换为十六进制并将不间断空格替换0xC2 0xA0 (c2a0)为空格0x20 (20)。

代码：

$hex = bin2hex($item);
$_item = str_replace('c2a0', '20', $hex);
$item = hex2bin($_item);

Answer 5

/\x{00A0}/、/\xC2\xA0/ 和 $clean_hex2bin-str_replace-bin2hex 工作和没有工作。如果我把它打印到屏幕上，一切都很好，但如果我试图将它保存到一个文件中，这个文件就会是空白的！

我最终使用了 iconv('UTF-8', 'ISO-8859-1//IGNORE', $str);