从字符串中删除 ÿþ

Posted 2023-03-07

【中文标题】从字符串中删除 ÿþ

【英文标题】：Remove ÿþ from string

【发布时间】：2014-10-21 17:50:20

【问题描述】：

我正在尝试批量读取 ID3 数据。在某些曲目上，出现了ÿþ。我可以删除前 2 个字符，但这会伤害没有它的曲目。

这是我目前拥有的：

$trackartist=str_replace("\0", "", $trackartist1);

任何建议都会非常好，谢谢！

【问题讨论】：

str_replace("ÿþ", "", $trackartist1); 工作吗？

不，它没有。 @Carpetsmoker

你能提供一个ID3数据的示例字符串吗？ str_replace 支持多字节字符串，@Carpetsmoker 的建议似乎有效：codepad.org/Od59V0ki

为什么@Carpetsmoker 的建议不起作用？这似乎是这里的答案。为了更进一步，您可以在 str_replace 周围添加一个 IF 语句，以查看是否首先以“ÿþ”开头。

你能发布一个var_dump() 你的字符串来看看它到底包含什么吗？

【参考方案1】：

ÿþ 在 UTF-8 中是 0xfffe；这是 UTF-16 中的 byte order mark。 您可以使用 iconv 或 mb_convert_encoding() 将字符串转换为 UTF-8：

$trackartist1 = iconv('UTF-16LE', 'UTF-8', $trackartist1);

# Same as above, but different extension
$trackartist1 = mb_convert_encoding($trackartist1, 'UTF-16LE', 'UTF-8');

# str_replace() should now work
$trackartist1 = str_replace('ÿþ', '', $trackartist1);

这假定$trackartist1 始终是UTF-16LE；检查您的 ID3 标签库的文档，了解如何获取标签的编码，因为不同文件的编码可能不同。您通常希望将所有内容都转换为 UTF-8，因为这是 php 默认使用的。

【讨论】：

当我使用 $trackartist1 = iconv('UTF-8', 'UTF-16', $trackartist1); 和 str_replace('ÿþ', '', $trackartist1); 时，它会在开头切换到 þÿ

第二个应该是mb_convert_encoding($message, 'UTF-8', 'UTF-16LE')

【参考方案2】：

我遇到了类似的问题，但无法强制 UTF-16LE，因为输入字符集可能会更改。最后我detect UTF-8如下：

if (!preg_match('~~u', $html)) 

如果失败我obtain the correct encoding through the BOM:

function detect_bom_encoding($str) 
    if ($str[0] == chr(0xEF) && $str[1] == chr(0xBB) && $str[2] == chr(0xBF)) 
        return 'UTF-8';
    
    else if ($str[0] == chr(0x00) && $str[1] == chr(0x00) && $str[2] == chr(0xFE) && $str[3] == chr(0xFF)) 
        return 'UTF-32BE';
    
    else if ($str[0] == chr(0xFF) && $str[1] == chr(0xFE)) 
        if ($str[2] == chr(0x00) && $str[3] == chr(0x00)) 
            return 'UTF-32LE';
        
        return 'UTF-16LE';
    
    else if ($str[0] == chr(0xFE) && $str[1] == chr(0xFF)) 
        return 'UTF-16BE';
    

现在我可以使用iconv()，正如您在@carpetsmoker answer 中看到的那样：

iconv(detect_bom_encoding($html), 'UTF-8', $html);

我没有使用 mb_convert_encoding()，因为它没有删除 BOM（也没有像 iconv() 那样转换换行符）：

【参考方案3】：

使用正则表达式替换：

$trackartist1 = preg_replace("/\x00?/", "", $trackartist1);

如果可能，上面的正则表达式会寻找“\x00”（十六进制零）的第一次出现，并将其替换为空。

【讨论】：

@Carpetsmoker 我的错！我以为他想得到\0 字符，如他的代码中所述。我没注意到\xfffe。