PHP：html_entity_decode文字を削除する/表示しない

Question

私のウェブサイトにはÂという文字で問題があります。

私は、ユーザーがwysiwygエディタ（ckeditor）を使用してプロフィールを記入できるウェブサイトを持っています。コンテンツは、セキュリティ上の理由から、htmlpurifyを介してデータベースに格納されます。

データベースには、すべてのテーブルがUTF-8文字セットで設定されています。私はまた、スクリプトの実行の冒頭に「SET NAMES utf-8」と呼んで問題が発生しないようにしています。テキストが表示されるWebページには、content-typeがutf-8で、header（）関数を使用してcontent-typeとcharsetも設定します。

テキストを表示するときに、コンテンツで正規表現を実行しようとするまでは、すべてうまく見えました。 html_entity_decode（ 'utf-8'のエンコーディングパラメータで呼び出されました）は何らかの理由でÂ文字を表示していない/表示していないので、すべての正規表現が失敗する原因が残っています（文字はありますが、それをソースで見る）。

正規表現を実行できるように、この文字を防止または削除するにはどうすればよいですか？

編集：私はckeditorを放棄し、このサイトのようにマークダウン形式を使用することで、より柔軟性を持たせることにしました。私が覚えている限り、私はエディタを嫌っていました。すべてのプロファイルを新しい形式に更新すると、問題のテキストをすべて削除してサイトをクリーンな状態に戻すことができます。すべての入力をありがとう。

Answer 1

文字列が実際に正しくUTF-8でエンコードされていない状況に直面している可能性があります（書いたとおりですが、そうではありません）。 html_entity_decodeは、置換文字を含む無効なUTF-8バイトシーケンス（たとえば、Âのシングルバイト文字セットエンコーディング）を削除することがあります。

使用しているPHPのバージョンによっては、フラグを使用することでこれに対処する方法をより詳細に制御できます。

さらに、表示されない文字を見つけるには、hexdump of the stringを作成します。あなたが話している文字がANSI文字セットの中に存在しているので

Answer 2

、あなたはこれを行うことができます。

utf8_encode(preg_replace($match, $replace, utf8_decode($utf8_text)); 

しかし、これは、任意のUnicode文字がANSI文字セット内に存在しませ破壊します。あなたの正規表現は何をやっている

string mb_ereg_replace (string $pattern , string $replacement , string $string [, string $option = "msr" ])