时间戳

首页 > 解决方案 > preg_match 在包含非 UTF8 字符的二进制字符串的开头找不到 UTF-8 字符

php - preg_match 在包含非 UTF8 字符的二进制字符串的开头找不到 UTF-8 字符

问题描述

如果字符串中的某处是非 UTF8 字符，则带有修饰符 u 的 preg_match 将返回 false 以表示错误。例如：

<?php
$string = "ABCD\xc3";
$r = preg_match('/^./u',$string, $match);
var_dump($r);  //bool(false)

这个例子自己试试：https ://3v4l.org/qkHl4

如果最后删除了非 UTF8 字符，则正则表达式会查找第一个字符。

$string = "ABCD";
$r = preg_match('/^./u',$string, $match);
var_dump($r, $match); 
//int(1) array(1) { [0]=> string(1) "A" }

是否有一种简单的方法可以使用正则表达式在开头识别还包含非 UTF8 字符的字符串的 UTF-8 字符？

标签： phpregexutf-8preg-match

解决方案

根据这个答案，您可以使用mb_convert_encoding删除无效的 utf 字符：

$string = "ABCD\xc3";
$string = mb_convert_encoding($string, 'UTF-8', 'UTF-8');
$r = preg_match('/^./u', $string, $match);
var_dump($r, $match);

给出以下结果：

int(1)
array(1) {
  [0] =>
  string(1) "A"
}

推荐阅读