从PHP中的字符串中删除某些特殊HTML字符

我正在从一个网站上抓取信息，我想知道如何忽略或替换一些特殊的HTML字符，例如“

á；

”、“

á；

”、“

&rsquo；

”和“

&”

”。无法将这些字符刮入数据库。我已经使用以下内容替换了“

”：

$nbsp = utf8_decode('á');
$mystring = str_replace($nbsp, '', $mystring);

但我似乎不能对其他角色做同样的事情。我正在使用XPath从网站上抓取。这将返回我正在查找的确切内容，但保留我不想要的HTML字符，因为它们似乎不允许进入数据库

---

谢谢您的帮助。

听起来您好像遇到了排序问题。我建议确保数据库排序规则设置为utf8_ci，并且网页的内容编码也设置为UTF-8。这很可能解决你的问题

---

去除所有特殊字符的最佳方法是通过

htmlspecialchars（）

运行字符串，然后使用以下模式执行不区分大小写的正则表达式查找和替换：

&([a-z]{2,8}+|#[0-9]{2,5}|#x[0-9a-f]{2,4});

这应该匹配命名的HTML实体（例如

&ohm；

或

）以及十进制实体（例如

&01234

）和十六进制实体（例如

&x0BEE；

）。正则表达式将完全删除它们

---

或者，只需使用

htmlspecialchars（）

的输出来存储它，并保持奇怪的字符不变。不理想，但它可以工作。

XY问题。这些字符在数据库中非常好。你问错问题了，我的问题不是。我甚至将这些字符替换为它们要表示的内容，插入时没有问题，但是当我将它们保留在其中时，它不会插入。所以，你一点也不奇怪为什么它没有添加到数据库中，而是想将问题隐藏起来？专业提示：这个结局很好的可能性很小。@PeeHaa是正确的，但是你看过了吗？（如果你有更合理的理由想这么做…）谢谢所有的帮助。原来这个preg_replace适合我的需要：preg_replace（'/[^a-zA-Z0-9%[]\.（）%&-]/s'，'.$String）；