删除 utf 中的垃圾字符 [英] Remove garbage characters in utf

问题描述

我使用 utf8 格式将我的所有数据存储到 mysql.在将数据插入数据库之前，我需要用不需要的字符清理字符串.字符串采用 utf8 格式.我知道如何使用正则表达式和字符串替换，但不知道如何使用阿拉伯字符.

I am using utf8 format to store all my data into mysql. Before data is inserted into the database I need to clean the strings with unwanted characters. The strings are in utf8 format. I know how to use regex and string replace but do not know how to work with arabic characters.

需要清理的示例字符串:████ .. الــقــوانين الجديـــدة في قســـم الـعنايـ"；

Sample string that needs to be cleaned : "████ .. الــقــوانين الجديـــدة في قســـم الـعنايـ";

谢谢

推荐答案

好的.正如 @Jonathan Leffler 已经说过的，如果您可以为需要替换的字符指定 unicode 字符范围，您可以使用正则表达式将字符替换为空字符串.

Ok. As @Jonathan Leffler already said, if you can specify the unicode character ranges for the characters that need to be replaced, you can use a regular expression to replace the characters with an empty string.

一个 unicode 字符在表达式中被指定为 \x{FFFF}(在 PHP 中).另外，你必须设置u 修饰符 使 PHP 将模式视为 UTF8.

A unicode character is specified as \x{FFFF} in an expression (in PHP). In addition, you have to set the u modifier to make PHP treat the pattern as UTF8.

所以最后，你有这样的东西:

So in the end, you have something like this:

preg_replace('/[\x{FFFF}-\x{FFFF}]+/u','',$string);

哪里

• /.../u 是分隔符加上修饰符
• [...]+ 是一个字符类加量词，这意味着在一次或多次内匹配这些字符中的任何一个
• \x{FFFF}-\x{FFFF} 是一个 unicode 字符范围(显然你必须提供正确的代码点/字符数).

• /.../u are the delimiters plus the modifier
• [...]+ is a character class plus quantifier, which means match any of these characters inside one or mor times
• \x{FFFF}-\x{FFFF} is a unicode character range (obviously you have to provide the right codepoints/numbers of the characters).

您也可以使用^否定组，您可以指定要保留的范围:

You can also negate the group with a ^ you can specify the range which you want to keep:

preg_replace('/[^\x{FFFF}-\x{FFFF}]+/u','',$string);

<小时>

更多信息:

• 正则表达式
• PHP 中的正则表达式
• Unicode 图表

这篇关于删除 utf 中的垃圾字符的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！