Функция iconv иногда дает мне ошибку:
Notice: iconv() [function.iconv]: Detected an incomplete multibyte character in input string in [...] Есть ли способ обнаружить, что в строке utf-8 есть недопустимые символы, прежде чем помещать данные в inconv?
Во-первых, обратите внимание, что невозможно определить, принадлежит ли текст конкретной нежелательной кодировке. Вы можете проверить, действительно ли строка в данной кодировке.
Вы можете использовать проверку достоверности UTF-8, которая доступна в preg_match [PHP Manual] с PHP 4.3.5. Он вернет 0 (без дополнительной информации), если указана недопустимая строка:
$isUTF8 = preg_match('//u', $string);
Другая возможность – mb_check_encoding [Руководство PHP] :
$validUTF8 = mb_check_encoding($string, 'UTF-8');
Другой функцией, которую вы можете использовать, является mb_detect_encoding [Руководство PHP] :
$validUTF8 = ! (false === mb_detect_encoding($string, 'UTF-8', true));
Важно установить strict параметр в значение true .
Кроме того, iconv [Руководство PHP] позволяет вам изменять / отменять недействительные последовательности «на лету». (Однако, если iconv обнаруживает такую последовательность, он генерирует уведомление, это поведение не может быть изменено.)
echo 'TRANSLIT : ', iconv("UTF-8", "ISO-8859-1//TRANSLIT", $string), PHP_EOL; echo 'IGNORE : ', iconv("UTF-8", "ISO-8859-1//IGNORE", $string), PHP_EOL;
Вы можете использовать @ и проверить длину возвращаемой строки:
strlen($string) === strlen(@iconv('UTF-8', 'UTF-8//IGNORE', $string));
Проверьте примеры на странице руководства iconv .
Вы не поделились исходным кодом, из которого возникает уведомление. Вы должны добавить его, если хотите более конкретное предложение.
Вы можете попробовать использовать mb_detect_encoding чтобы определить, есть ли у вас другой набор символов (чем UTF-8), а затем mb_convert_encoding для преобразования в UTF-8, если это необходимо. Скорее всего, люди дают вам действительный контент в другом наборе символов, чем предоставление недопустимого UTF-8.
Спецификация символов, недопустимых в UTF-8, довольно ясна. Вы, вероятно, захотите снять их, прежде чем пытаться его разобрать. Их не должно быть так, чтобы вы могли избежать этого даже до создания XML, который был бы еще лучше.
См. Здесь ссылку:
http://www.w3.org/TR/xml/#charsets
Это не полный список, многие парсер также запрещают некоторые низкоуровневые управляющие символы, но я не могу найти исчерпывающий список прямо сейчас.
Однако iconv может иметь встроенную поддержку для этого:
поставьте @ перед iconv (), чтобы подавить NOTICE и // IGNORE после UTF-8 в исходном коде, чтобы игнорировать недопустимые символы:
@iconv( 'UTF-8//IGNORE', $destinationEncoding, $yourString );