格式错误的 UTF-8 字符,可能编码不正确 - PHP

在使用 PHP 进行字符串处理时，如果字符串中包含格式错误的 UTF-8 字符，有可能会导致编码异常的问题。本文将介绍这个问题的相关原因和解决方案。

问题描述

当在 PHP 中使用字符串函数（如 strlen()、substr()、strpos() 等）处理 UTF-8 编码的字符串时，如果字符串中存在格式错误的 UTF-8 字符，就会抛出 Warning: strlen(): ... is not a valid UTF-8 string 的警告信息。

这个问题通常出现在以下两种情况中：

1. 通过某些渠道（如文件上传、数据传输等）获取的字符串中包含了格式错误的 UTF-8 字符；
2. 在 PHP 中手动创建字符串时，不小心把一个非 UTF-8 编码的字符混入了其中。

无论是哪种情况，都会导致字符串无法正确地进行 UTF-8 编码和解码，从而引发编码异常的问题。

解决方案

要解决这个问题，可以采取以下两种方案：

方案一：清除无效字符

可以通过 PHP 的 mb_check_encoding() 函数和 mb_convert_encoding() 函数来清除字符串中的无效字符。

示例代码：

if (!mb_check_encoding($str, 'UTF-8')) {
    $str = mb_convert_encoding($str, 'UTF-8', 'GBK');
}

这段代码的作用是，检查字符串 $str 是否符合 UTF-8 编码规范，如果不是，则将其转换为 UTF-8 编码格式。在转换的过程中，无效的 UTF-8 字符会被自动清除。

方案二：忽略无效字符

如果无法清除无效字符，也可以采用忽略无效字符的方式。

示例代码：

$str = iconv('UTF-8', 'UTF-8//IGNORE', $str);

这段代码的作用是，将字符串 $str 中的无效字符全部忽略，只保留有效的 UTF-8 字符。

总结

在 PHP 中处理 UTF-8 编码的字符串时，要特别注意字符串中是否包含了格式错误的 UTF-8 字符。如果出现这种情况，可以采用清除无效字符或者忽略无效字符的方式来解决问题。