Php 如何删除多个UTF-8 BOM序列_Php_Utf 8_Byte Order Mark

Php 如何删除多个UTF-8 BOM序列

php utf-8

Php 如何删除多个UTF-8 BOM序列,php,utf-8,byte-order-mark,Php,Utf 8,Byte Order Mark,使用PHP5（cgi）从文件系统输出模板文件，并在输出原始HTML时遇到问题 private function fetch($name) { $path = $this->j->config['template_path'] . $name . '.html'; if (!file_exists($path)) { dbgerror('Could not find the template "' . $name . '" in ' . $path);

使用PHP5（cgi）从文件系统输出模板文件，并在输出原始HTML时遇到问题

private function fetch($name) {
    $path = $this->j->config['template_path'] . $name . '.html';
    if (!file_exists($path)) {
        dbgerror('Could not find the template "' . $name . '" in ' . $path);
    }
    $f = fopen($path, 'r');
    $t = fread($f, filesize($path));
    fclose($f);
    if (substr($t, 0, 3) == b'\xef\xbb\xbf') {
        $t = substr($t, 3);
    }
    return $t;
}

尽管我已经添加了BOM修复，但Firefox接受它时仍然存在问题。你可以在这里看到一个实时副本：（如果你想查看的话，还有我抛出的模板文件）

你知道怎么解决这个问题吗？o_o

b'\xef\xbb\xbf'

代表文本字符串“\xef\xbb\xbf”。如果要检查BOM表，则需要使用双引号，以便将

\x

序列实际解释为字节：

"\xef\xbb\xbf"

您的文件似乎也包含了比单个前导BOM表多得多的垃圾：

$ curl http://ircb.in/jisti/ | xxd

0000000: efbb bfef bbbf efbb bfef bbbf efbb bfef  ................
0000010: bbbf efbb bf3c 2144 4f43 5459 5045 2068  .....<!DOCTYPE h
0000020: 746d 6c3e 0a3c 6874 6d6c 3e0a 3c68 6561  tml>.<html>.<hea
...

$curlhttp://ircb.in/jisti/ |xxd
0000000:efbb bfef bbbf efbb bfef bbbf efbb bfef。。。。。。。。。。。。。。。。
0000010:bbbf efbb bf3c 2144 4f43 5459 5045 2068……您将使用以下代码删除utf8 bom
//Remove UTF8 Bom

function remove_utf8_bom($text)
{
    $bom = pack('H*','EFBBBF');
    $text = preg_replace("/^$bom/", '', $text);
    return $text;
}

尝试：
：）
删除BOM的另一种方法是Unicode代码点U+FEFF
$str = preg_replace('/\x{FEFF}/u', '', $file);

这是UTF-8系统基字符集的全局函数解析。坦克
function prepareCharset($str) {

    // set default encode
    mb_internal_encoding('UTF-8');

    // pre filter
    if (empty($str)) {
        return $str;
    }

    // get charset
    $charset = mb_detect_encoding($str, array('ISO-8859-1', 'UTF-8', 'ASCII'));

    if (stristr($charset, 'utf') || stristr($charset, 'iso')) {
        $str = iconv('ISO-8859-1', 'UTF-8//TRANSLIT', utf8_decode($str));
    } else {
        $str = mb_convert_encoding($str, 'UTF-8', 'UTF-8');
    }

    // remove BOM
    $str = urldecode(str_replace("%C2%81", '', urlencode($str)));

    // prepare string
    return $str;
}

完成相同工作的额外方法：
function remove_utf8_bom_head($text) {
    if(substr(bin2hex($text), 0, 6) === 'efbbbf') {
        $text = substr($text, 3);
    }
    return $text;
}

我发现的其他方法在我的情况下不起作用
希望在某些特殊情况下有所帮助。
如果您正在使用文件获取内容阅读一些API，并且从json\u decode
中获取了一个无法解释的NULL
，请检查json\u last\u error（）的值
：有时从文件\u get\u contents
返回的值会有一个无关的BOM表，当您检查字符串时，它几乎不可见，但会使json\u last\u error（）
返回json\u error\u语法
（4）
在这种情况下，请检查前3个字节-回显它们不是很有用，因为BOM表在大多数设置中是不可见的：
>>> substr($json, 0, 3)
=> "  "
>>> substr($json, 0, 3) == pack('H*','EFBBBF');
=> true
>>>

如果上面的行对您来说返回TRUE，那么一个简单的测试可能会解决问题：
>>> json_decode($json[0] == "{" ? $json : substr($json, 3))
=> {#204
     +"orgao": [
       {#203
         +"Nome": "Tribunal de Justiça",
         +"ID_Orgao": "59",
         +"Condicao": "1",
       },
     ],
     ...
   }

这可能会有帮助。如果你想让我扩展我的思维过程，请告诉我
<?php
    //
    // labled TESTINGSTRIPZ.php
    //

    define('CHARSET', 'UTF-8');

    $stringy = "\xef\xbb\xbf\"quoted text\" ";
    $str_find_array    = array( "\xef\xbb\xbf");
    $str_replace_array = array(             '');


    $RESULT =
        trim(
            mb_convert_encoding(

                str_replace(
                    $str_find_array,
                    $str_replace_array,
                    strip_tags( $stringy )
                    ),

                'UTF-8',

                mb_detect_encoding(
                    strip_tags($stringy)
                    )

                )
            );

        print("YOUR RESULT IS: " . $RESULT.PHP_EOL);

?>



结果:
terminal$ php TESTINGSTRIPZ.php 
      YOUR RESULT IS: "quoted text" // < with no hidden char.

terminal$php TESTINGSTRIPZ.php
您的结果是：“引用的文本”//<，没有隐藏字符。
如果有人使用csv导入，那么下面的代码很有用
$header = fgetcsv($handle);
foreach($header as $key=> $val) {
     $bom = pack('H*','EFBBBF');
     $val = preg_replace("/^$bom/", '', $val);
     $header[$key] = $val;
}

不带pack
功能的解决方案：
$a = "1";
var_dump($a); // string(4) "1"

function deleteBom($text)
{
    return preg_replace("/^\xEF\xBB\xBF/", '', $text);
}

var_dump(deleteBom($a)); // string(1) "1"

使用有故障的软件时，每次保存时BOM表零件都会成倍增加
所以我用这个来摆脱它
function remove_utf8_bom($text) {
    $bom = pack('H*','EFBBBF');
    while (preg_match("/^$bom/", $text)) {
        $text = preg_replace("/^$bom/", '', $text);
    }
    return $text;
}

utf8文件不应该有一个BOM表，如果你的编辑器把它们放进去，应该有一个省略这些的配置，如果你的编辑器不允许你不放进BOM表，替换你的编辑器。是的。我使用n++，我尝试不使用BOMif。如果我使用n++，为什么会出现这种情况？它将它保存为unix/utf8-BOM将它保存为UTF-8无BOM（或N++中的任何名称）。我这样做了，但仍然得到相同的结果。我对直接文件（curl | xxd）进行了卷曲，没有前导字符，但是卷曲PHP脚本会在前面添加多余的数据，我使用的只是打印输出数据。这一个为我解决了问题，感谢发布此解决方案！通常是比较容易的。：-）出于某种原因，在Google+API中，这个BOM显示在内容变量的末尾，因此我需要调整它以将其从字符串的末尾删除。有人能解释一下这里是如何使用pack函数的吗？我知道它会将字符串转换为二进制表示形式，但很难理解这如何有助于识别BOM Unicode字符。这对于我从SSR读取CSV输出并附加到更大文件的要求非常有用。最后，一种BOM转义技术确实有效，谢谢@fsociety BOM是三个字节-0xef 0xbb 0xbf
。所以pack使用的是H*格式，这意味着将字符串中的所有值解释为十六进制字节。我更喜欢o1max的答案（尽管分数较低），它只使用带转义字符的字符串：“\xEF\xBB\xBF”如果它们可以出现多次，您可能需要使用“/^（\xEF\xBB\xBF）+/”
$a = "1";
var_dump($a); // string(4) "1"

function deleteBom($text)
{
    return preg_replace("/^\xEF\xBB\xBF/", '', $text);
}

var_dump(deleteBom($a)); // string(1) "1"

function remove_utf8_bom($text) {
    $bom = pack('H*','EFBBBF');
    while (preg_match("/^$bom/", $text)) {
        $text = preg_replace("/^$bom/", '', $text);
    }
    return $text;
}