PHP 解析问题 - 和

Question

当我尝试解析一些带有

 

的 html，然后

echo

它时，

 

“变成”这个字符： 。另外，

html_entity_decode()

和

str_replace()

不会改变它。

为什么会发生这种情况？我怎样才能删除？

Answer 1

不间断空格存在于两个字节的UTF-8中：

0xC2

和

0xA0

。

当这些字节以 ISO-8859-1（单字节编码）而不是 UTF-8（多字节编码）表示时，这些字节分别变成字符

Â

和另一个不间断空格 。

显然您正在使用 UTF-8 解析 HTML 并使用 ISO-8859-1 回显结果。要解决此问题，您需要使用 ISO-8859-1 解析 HTML 或使用 UTF-8 回显结果。我建议始终使用 UTF-8。仔细阅读 PHP UTF-8 cheatsheet 将其全部对齐。 另请参阅：

页面上显示“—而不是“'”

html_entity_decode(" ") == '\xa0'

Answer 2

$nbsp = html_entity_decode(" ");
$s = html_entity_decode("[ ]");
$s = str_replace($nbsp, " ", $s);
echo $s;

也许 \xa0 它不是一个有效的 unicode 字符串，因此使用 html_entity_decode() 的结果可能比 \xa0 更适合文本替换。

BalusC 的解释看起来似乎合理，您可能会尝试在 中插入 utf-8 \xc2\xa0 然后尝试将其显示为拉丁语而不是 utf8，如果您想使用 unicode 内容，您应该在字符集中到处保留 utf-8 编码服务器到数据库的连接，因为在使用例如时您会遇到同样的问题

à

Answer 3

也可以做到这一点：

preg_replace("/&#?[a-z0-9]{2,8};/i","", $var);