php - 如何替换已解码的 Non-breakable space (nbsp)

Question

假设我有一个刺是 "a s d d"和 htmlentities变成
"a s d d" .

如何在不将其编码为实体的情况下替换(使用 preg_replace)它？

我试过了 preg_replace('/[\xa0]/', '', $string); ，但它不起作用。我试图从我的字符串中删除那些特殊字符，因为我不需要它们

除了正则表达式还有哪些可能性？

编辑 我要解析的字符串:http://pastebin.com/raw/7eNT9sZr
具有功能 preg_replace('/[\r\n]+/', "[##]", $text)
稍后implode("</p><p>", explode("[##]", $text))

我的问题不完全是“如何”执行此操作(因为我可以对实体进行编码、删除我不需要的实体以及对实体进行解码)。但是如何仅使用 str_replace 或 preg_replace 删除它们。

Answer 1

问题说明

它不起作用的原因是您指定了 non-breaking space不正确。

UTF-8 编码中不间断空格的正确代码是 0xC2A0 ，它由两个字节组成 - 0xC2 (194) 和 0xA0 (160)，所以从技术上讲，你重新指定字符代码的一半。

一点理论

传统字符编码使用固定位数来编码其集合中的每个字符。比如原来的ASCII encoding每个字符使用 7 位，扩展 ASCII 8 位。

UTF-8 编码就是所谓的可变宽度字符编码，这意味着用于表示单个字符的位数是可变的，在 UTF-8 的情况下，字符编码包括一到四个(8 位)字节(八位字节)。一般来说，与 Huffman 编码 类似，更频繁使用的字符具有更短的代码，而更罕见的字符具有更长的代码。这有助于减少平均文本的数据大小。

解决方案

您可以使用简单(快速)str_replace 或使用更灵活的正则表达式替换文本中所有出现的 UTF-8 不间断空格，具体取决于您的需要:

// faster solution
$regular_spaces = str_replace("\xc2\xa0", ' ', $original_string);

// more flexible solution
$regular_spaces = preg_replace('/\xc2\xa0/', ' ', $original_string);

注意事项

注意在str_replace的情况下，您必须使用双引号 (") 将搜索字符串括起来，因为它不理解字符代码的文本表示，所以它需要这些代码首先转换为实际字符。这是由 PHP 自动生成的，因为正在处理双引号中的字符串并替换特殊序列(例如换行符 \n，字符代码的文本表示等)在使用字符串值之前按实际字符(例如，0x0A 表示 UTF-8 中的 \n)。

相比之下，preg_replace函数本身理解字符代码的文本表示，因此您不需要 PHP 将它们转换为实际字符，您可以使用撇号(单引号，')在这种情况下包含搜索字符串。