一次坑爹的小bug。读取一段文字(编码utf-8),想替换掉空格,str_replace(" “…)、preg_replace(”/\s/"…)、str_replace("\t"…)/str_replace("\0"…)、str_replace("\v"…)都不起作用。
百度发现问题的根源,在于UTF-8这种编码里面,存在一个特殊的字符,其编码是“0xC2 0xA0”(194 160),转换成字符的时候,表现为一个空格,跟一般的半角空格(ASCII 0x20)一样,唯一的不同是它的宽度不会被压缩,因此比较多的被用于网页排版(如首行缩进之类)。而其他的编码方式如GB2312、Unicode之类并没有这样的字符。
没办法,将替换不了的空格ord()下才看到,这个utf-8空格比较特殊。ASCII 194 + 160出来的。
<?php
$content = str_replace(chr(194) . chr(160), "", $content); // 解决方法1
$content = preg_replace('/\xC2\xA0/is', "", $content); // 解决方法2
var_dump($content );
下面是网上整理遇到的各种无法替换的字符(没有验证过):
chr(194).chr(160) 变现为空格
chr(227).chr(128) 变现为空格
chr(226).chr(128).chr(172).chr(226).chr(128).chr(172).chr(30) 变现为空