Php preg_match在从PDF提取的字符串中一次不匹配超过1个字符

我使用一个名为pdfparser的库从PDF中提取文本。我成功地做到了这一点，但是我在提取文本时遇到了一些棘手的问题。字符串如下所示：

Invoice
Date
1/8/2016
Invoice #
1679105
Bill To
etc...

当我使用

preg_match

匹配单个字符时，比如字母I，我会得到一个大写字母I作为回报，如果我使用

preg_match_all

我会得到一个大小写字母I的数组，按照您期望的顺序排列。但如果我尝试“输入”，我什么也得不到，而它应该在“发票”中返回“输入”。这适用于我在搜索中尝试的任何字母组合

这就是将PDF数据（从电子邮件附件）转换为ASCII字符串的原因：

$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseContent($body);
$pages  = $pdf->getPages();
$pdfText = "";
foreach ($pages as $pageNum => $page)
    $pdfText .= "\n\tPage $pageNum\n".$page->getText();

这就是在文档中搜索的内容：

$regex = "/invoice/i";
preg_match_all($regex, $pdfText, $test);
echo "<h2>PDF Text</h2><pre>$pdfText</pre>";
echo "<pre><b>Search Results for $regex</b>".print_r($test,1)."</pre>";

$regex=“/invoice/i”；
preg_match_all（$regex、$pdfText、$test）；
回显“PDF文本$pdfText”；
回显“搜索$regex的结果”。打印（$test，1）。”；

这将返回0个结果。即使像

$regex=“/[0-9]{2，}/”

这样简单的东西也不会返回任何结果

编辑：我复制并粘贴了$pdfText在浏览器中显示的文本，然后将其作为字符串粘贴到我的php文件中，并使用完全相同的代码进行搜索。搜索效果非常好

---

编辑2:找到了问题。但我仍然需要帮助。我使用函数

bin2hex（$pdfText）

发现单词“invoice”的十六进制代码为“0049006E0076006F00690063065”。如果正确表示，它实际上是“496e766f696365”。因此，在我的PDF字符串中，每个字母之间都有一个字符，十六进制值为“00”。如何将它们全部删除？

若要修复包含不需要的十六进制值的字符，可以使用此方法替换它

---

$regex=“/invoice/i”

之后缺少分号。。。但假设这不是问题所在…谢谢，修正了。但这不是问题。如果您执行

echo htmlentities（print_r（$pdfText，true）），pdfText的值是多少？看起来和以前完全一样。请尝试<代码>preg_replace（'/[\x00]/'，'.$string）
preg_replace('/\x00/', '', $string);