Wie erkennt man fehlerhafte UTF-8-Zeichenfolgen in PHP?

"iconv" - Funktion manchmal gibt mir eine Fehlermeldung:

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

Gibt es eine Möglichkeit zu erkennen, dass es illegale Zeichen in utf-8-string, bevor Sie Daten zu inconv ?

InformationsquelleAutor der Frage rsk82 | 2011-07-17

  1. 47

    Beachten Sie zunächst, dass es nicht möglich ist, zu erkennen, ob der text gehört zu einem bestimmten unerwünschten Codierung. Sie können nur prüfen, ob ein string gültig ist, in einer bestimmten Kodierung.

    Können Sie machen Verwendung des UTF-8-überprüfung, die verfügbar ist in preg_match [PHP-Handbuch] seit PHP 4.3.5. Wird es wieder 0 (ohne zusätzliche Informationen), wenn eine ungültige Zeichenfolge ist gegeben:

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

    Andere Möglichkeit ist mb_check_encoding [PHP-Handbuch]:

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

    Andere Funktion, die Sie verwenden können, ist mb_detect_encoding [PHP-Handbuch]:

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

    Ist es wichtig, die strict parameter true.

    Darüber hinaus iconv [PHP-Handbuch] können Sie ändern/löschen von ungültigen Sequenzen on-the-fly. (Allerdings, wenn iconv trifft auf eine solche Sequenz, erzeugt es eine Meldung; dieses Verhalten kann nicht geändert werden.) 

    echo 'TRANSLIT : ', iconv("UTF-8", "ISO-8859-1//TRANSLIT", $string), PHP_EOL;
echo 'IGNORE   : ', iconv("UTF-8", "ISO-8859-1//IGNORE", $string), PHP_EOL;

    Können Sie @ und überprüfen Sie die Länge der Zeichenkette zurückgeben:

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

    Prüfen Sie die Beispiele auf der iconv Handbuch-Seite als auch.

    Haben Sie nicht gemeinsam den source-code, wo die Ankündigung ist, die aus. Sollten Sie es hinzufügen, wenn Sie möchten, eine konkrete Anregung.

    InformationsquelleAutor der Antwort hakre

  2. 0

    Sie könnten versuchen, mit mb_detect_encoding zu erkennen, wenn Sie haben einen anderen Zeichensatz als UTF-8) dann mb_convert_encoding konvertieren zu UTF-8, wenn erforderlich. Es ist wahrscheinlicher, dass die Leute Ihnen die Gültigkeit des Inhalts in einen anderen Zeichensatz als das geben Sie ungültige UTF-8.

    InformationsquelleAutor der Antwort Robin

  3. 0

    Der Spezifikation, auf die Zeichen, die ungültig sind, die in UTF-8 ist ziemlich klar. Sie wahrscheinlich wollen, Streifen Sie diese heraus, bevor Sie versuchen zu analysieren. Sie sollten nicht dort sein, so dass, wenn Sie vermeiden es sogar vor der Erzeugung des XML-Codes, wäre sogar noch besser.

    Sehen Sie hier eine Referenz:

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

    Dies ist keine vollständige Liste, viele parser auch verbieten einige low-numbered control-Zeichen, aber ich kann nicht finden, eine umfassende Liste jetzt.

    Jedoch, iconv haben könnte builtin support für diese:

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

    InformationsquelleAutor der Antwort jishi

  4. 0

    setzen Sie ein @ vor iconv() zu unterdrücken, die Kenntnisnahme und ein //IGNORIEREN nach UTF-8 in-source-id-Codierung zu ignorieren ungültige Zeichen:

    @iconv( 'UTF-8//IGNORE', $destinationEncoding, $yourString );

    InformationsquelleAutor der Antwort nobody

Schreibe einen Kommentar