PHP:html_entity_decode 删除/不显示字符

Question

我的网站上存在字符问题。

我有一个网站，用户可以使用所见即所得编辑器 (ckeditor) 来填写他们的个人资料。内容在放入数据库之前通过 htmlpurify 运行(出于安全原因)。

数据库的所有表均设置为 UTF-8 字符集。我还在脚本执行开始时调用“SET NAMES utf-8”以防止出现问题(这已经工作了很多年，因为我已经很长时间没有遇到这个问题了)。显示文本的网页的内容类型为 utf-8，我还使用 header() 函数来设置内容类型和字符集。

显示文本时一切似乎都很好，直到我尝试在内容上运行正则表达式。 html_entity_decode (使用“utf-8”的编码参数调用)由于某种原因正在删除/不显示 Â 字符，并且它留下了导致我所有正则表达式失败的东西(似乎那里有一个字符，但我不能在源代码中查看它)。

如何防止和/或删除此字符以便我可以运行正则表达式？

编辑:我决定放弃 ckeditor 并使用本网站使用的 Markdown 格式，以获得更大的灵活性。从我记事起，我就讨厌所见即所得的编辑器。将所有配置文件更新为新格式将使我有机会删除所有有问题的文本，并给网站一个干净的开始。感谢您的所有意见。

Answer 1

您可能面临这样的情况:字符串实际上没有正确编码(正如您所写的那样，但事实并非如此)。然后，html_entity_decode 可能会使用替换字符删除任何无效的 UTF-8 字节序列(例如 · 的单字节字符集编码)。

根据您使用的 PHP 版本，您可以通过使用标志来更好地控制如何处理此问题。

此外，要查找您看不到的字符，请创建一个 hexdump of the string 。