php 怎么去除utf8的符号-猿码集

关于UTF-8

在计算机中，字符集是用来将字符映射为数字的一种方式。ASCII码是最早的字符集，用于表示英文字母、数字和符号。但是，ASCII码只能表示128种字符，无法满足多语言的需求。于是，Unicode应运而生。Unicode是用于字符编码的字符集，能够表示世界上所有语言的字符。

UTF-8是一种Unicode的实现方式，它是一种变长的编码方案。对于英文字母和数字等ASCII所表示的字符，UTF-8采用1个字节的编码方式，而中文字符则需要3个字节来表示。

UTF-8不仅可以表示各种语言的字符，还支持表示各种符号。在UTF-8中，一些特殊字符有着特殊的含义。以下是几个常见的UTF-8符号：

U+FEFF是UTF-8中的BOM（Byte Order Mark），它用于标记文本文件的字节序。如果读取一个UTF-8文件时，首字节是BOM，则说明该文件采用了BOM模式。

U+00A0是一个非断行空格，也称为半角空格。和普通的空格不同，它在排版时不会被断开，所以常用于需要保证连续性的场合。

U+202F也是一个非断行空格，它和半角空格的区别在于它的宽度比半角空格稍微小一些。因此，它通常用于需要在两个语言之间插入一个空格的场合，例如中英文混排。

在PHP中，经常需要对字符串进行处理。如果字符串中包含UTF-8符号，这些符号会干扰字符串的处理，因此需要先将它们去除。

以下是一些常用的方法：

通过正则表达式，可以匹配出UTF-8符号，然后将其替换为空字符串。


function remove_utf8_symbols($str) {
  $pattern = '/[\x{FEFF}\x{00A0}\x{202F}]/u';
  return preg_replace($pattern, '', $str);
}

上面的代码中，使用了一个正则表达式来匹配3个常见的UTF-8符号。其中，\x{FEFF}表示BOM，\x{00A0}表示半角空格，\x{202F}表示细空格。参数u表示开启UTF-8模式。

PHP提供了一组专门用于处理多字节字符的函数，称为mb_函数。其中，mb_strlen函数可以返回字符串的长度，而mb_substr函数可以获取字符串的一部分。


function remove_utf8_symbols($str) {
  $symbols = ["\xEF\xBB\xBF", "\xC2\xA0", "\xE2\x80\xAF"];
  return str_replace($symbols, '', $str);
}

上面的代码中，使用了一个数组来存储3个常见的UTF-8符号。其中，"\xEF\xBB\xBF"表示BOM，"\xC2\xA0"表示半角空格，"\xE2\x80\xAF"表示细空格。使用str_replace函数将其替换为空字符串。

在处理字符串时，需要注意UTF-8符号的存在。通过使用正则表达式或者mb_函数，可以轻松地将这些符号去除。