替换无效的UTF-8，不能替换

我有我正在清理的HTML文件。这些都出现在像我的文本编辑器中一些无效的Unicode字符：

/B7

我想要么他们应该是性格，还是我选择的替换字符替换这些。例如，/ B7字符是一个middot，但我想用一站式替换它。

的位置功能：PHP - Fast way to strip all characters not displayable in browser from utf8 string

删除无效字符，但我不激动了足够的编码做任何更多的它。

2013-03-21 Kohjah Breese

“/ B7”是什么意思？这是三个字符。你的文本编辑器（哪个？）以这种方式呈现？你怎么知道它应该是什么？如果“/ B7”表示“middot”，可能是U + 00B7“·”，那么它是无效的，这与UTF-8有什么关系？ – 2013-03-21 05:45:09

我在Ubuntu上使用文本编辑器gEdit。我知道它应该是什么，因为/ B7是一个middot，但由于某种原因（我不知道为什么），而不是渲染作为中间点，在gEdit它只是显示为'/ B7'以红色突出显示;当我尝试在gEdit中保存文档时，它告诉我有无效字符。我不知道什么是无效的，因为我没有足够的字符编码。 – 2013-03-21 12:33:33

你的文件在Windows 1252编码很可能（其中0xB7解码以·）和Gedit是对其进行解码以UTF-8和示出了无效UTF-8字节（0xB7无效以UTF-8时以外的特定序列）直接作为他们的价值我猜。您可以修复该文件在很多方面，但在PHP中你可以：

<?php 
$file_contents = file_get_contents("brokenfile.txt"); 
$file_contents = mb_convert_encoding($file_contents, "UTF-8", "Windows-1252"); 
file_put_contents("brokenfile.txt", $file_contents);

以上脚本将解码的文件与Windows 1252和它编码为UTF-8。

文本编辑器允许您指定通常在“另存为”对话框或某些配置中保存文件的编码。在使用它之前，您应该始终配置您的编辑器编码。

如果您在转换后在您的网站上看到Â·，这意味着您要告诉浏览器您的资料在Windows-1252或ISO-8859-1等等。您必须告诉浏览器您的资料使用UTF- 8：

header("Content-Type: text/html; charset=utf-8");

来源

2013-03-21 14:59:31 Esailija

谢谢。原始文件表示它是ISO的，我是MB转换的;但正如你告诉我的那样，它是Windows-1252，现在一切正常。谢谢你的时间和专业知识。 – 2013-03-21 18:41:25

替换无效的UTF-8，不能替换

回答

相关问题