萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 過濾 ASCII 控制字元:解決 XML 匯入亂碼的實用函式

問題背景

爬蟲資料匯入 XML 時,常夾帶不可见的 ASCII 控制字元(如 0x00~0x1F、0x7F),導致 XML 解析失敗。單純針對個別字元加入過濾表治標不治本,需從 ASCII 碼層面統一處理。

解決方案:special_filter()

<?php
function special_filter(string $string): string
{
    if ($string === '') return '';

    $new = '';
    $len = strlen($string);
    for ($i = 0; $i < $len; $i++) {
        $ord = ord($string[$i]);
        // 保留:Tab(9)、LF(10)、CR(13) → 轉空白;可列印字元 32~126
        if ($ord === 9 || $ord === 10 || $ord === 13) {
            $new .= ' ';
        } elseif ($ord > 31 && $ord !== 127) {
            $new .= $string[$i];
        }
        // 其他控制字元直接捨棄
    }
    return trim($new);
}
?>

邏輯說明

  • 保留:可列印字元(32~126)+ 常用空白字元(Tab、換行、回車)
  • 移除:0x00~0x08、0x0B、0x0C、0x0E~0x1F、0x7F (DEL)
  • 轉換:Tab/LF/CR → 空白,避免字串連結時語義中斷

現代化寫法(PHP 7.4+)

function special_filter_modern(string $string): string
{
    return trim(preg_replace('/[\x00-\x08\x0B\x0C\x0E-\x1F\x7F]/', '', $string));
}

正則單行即可完成,效能與可讀性雙贏。

copyright © 萬盛學電腦網 all rights reserved