29

iconv 函数有时会给我一个错误：

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

在将数据发送到 inconv() 之前，有没有办法检测 UTF-8 字符串中存在非法字符？

4

4 回答 4

61

首先，请注意，无法检测文本是否属于特定的不需要的编码。您只能检查字符串在给定编码中是否有效。

自 PHP 4.3.5 起，您可以使用preg_match [PHP 手册]中提供的 UTF-8 有效性检查。0如果给出无效字符串，它将返回（没有附加信息）：

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

另一种可能性是mb_check_encoding [PHP 手册]：

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

您可以使用的另一个功能是mb_detect_encoding [PHP 手册]：

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

strict将参数设置为 很重要true。

此外，iconv [PHP 手册]允许您动态更改/删除无效序列。（但是，如果iconv遇到这样的序列，它会生成通知；此行为无法更改。）

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@并检查返回字符串的长度：

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

iconv还要检查手册页上的示例。

于 2011-07-17T11:41:20.867 回答
0

Put an @ in front of iconv() to suppress the NOTICE and an //IGNORE after UTF-8 in the source encoding id to ignore invalid characters:

@iconv('UTF-8//IGNORE', $destinationEncoding, $yourString);
于 2011-07-17T11:51:42.897 回答
0

UTF-8 中哪些字符无效的规范非常清楚。您可能想在尝试解析之前将其剥离。他们不应该在那里，所以如果你甚至可以在生成 XML 之前避免它，那就更好了。

请参阅此处以获取参考：

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

这不是一个完整的清单。许多解析器也不允许一些低编号的控制字符，但我现在找不到一个完整的列表。

但是，iconv 可能对此具有内置支持：

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

于 2011-07-17T11:40:46.203 回答
0

您可以尝试使用mb_detect_encoding来检测您是否有不同的字符集（而不是 UTF-8），然后mb_convert_encoding在需要时转换为 UTF-8。人们更有可能以不同的字符集为您提供有效的内容，而不是为您提供无效的 UTF-8。

于 2011-07-17T11:41:12.620 回答