在PHP中消毒UTF-8

函数

json\u encode

需要有效的UTF-8字符串。我有一个字符串可能采用不同的编码。我需要忽略或替换所有无效字符才能转换为JSON

它应该是非常简单和健壮的

错误在一个用于手动检查的模块中，因此mojibake没有问题

负责固定编码的代码位于不同的模块中。（虽然它坏了）我不想重复责任

无效字符串示例的十六进制表示：

496e76616c6964206d61726b2096

我当前的解决方案：

$raw_str = hex2bin('496e76616c6964206d61726b2096');
$sane_str = @\iconv('UTF-8', 'UTF-8//IGNORE', $raw_str);

我的代码有三个问题：

iconv

看起来有点太重了

许多程序员不喜欢

@

iconv

可能会忽略太多内容：整个字符串

还有更好的主意吗

---

也有类似的问题，但我不关心转换。

您应该研究mb\u convert\u编码。它能够将文本从几乎任何编码转换为另一种编码。我不得不将它用于一个类似的项目：

函数

json\u编码

。使用基于W3C推荐的正则表达式答案的函数检查编码：

然后你可以使用它：

$sane_str = encodeUtf8($raw_str);

您可以使用来检测它是否不是UTF-8，然后使用将文本转换为UTF-8

<?php
/**
 * Convert json blob to UTF-8
 * @param $string String to be decoded
 * @return bool|string
 */
function convert_json($string)
{
    if (ctype_print($string)) { // binary
        return false;
    }
    $from = mb_detect_encoding($string, ['auto']);
    $to = 'UTF-8';
    if ($from !== $to) {
        $string = mb_convert_encoding($string, $to, $from);
    }
    return $string;
}

---

我认为这是最好的解决方案

$raw_str = hex2bin('496e76616c6964206d61726b2096');
$sane_str = mb_convert_encoding($raw_str, 'UTF-8', 'UTF-8');

如果你不关心转换。。。那么你想做什么？我需要一个有效的UTF-8字符串用于json_编码。有效的mojibake就可以了。就这些。老实说，你的解决方案是我能看到的最干净的。如果不想使用
@
，可能需要对字符串进行编码检查，这很麻烦。与其说是答案，不如说是注释！当你发表评论时使用评论，而不是我的否决票。顺便说一句，请不要使用回答来询问澄清问题。我很抱歉，仍在学习该系统。虽然我认为这就是他所寻找的功能。@raphael75那么你应该修改你的答案，以自信地支持它，而不是问一个问题（这只会留下不确定的空间）。您将获得+选票，而不是减少；-）Stack pro-tip@raphael75根据您的编辑，您的答案现在更有意义；-）
$raw_str = hex2bin('496e76616c6964206d61726b2096');
$sane_str = mb_convert_encoding($raw_str, 'UTF-8', 'UTF-8');