Question

我正在使用此功能来清理字符串以进行弹性搜索：

function cleanString($string){
    $string = mb_convert_encoding($string, "UTF-8");
    $string = str_ireplace(array('<', '>'), array(' <', '> '), $string);
    $string = strip_tags($string);
    $string = filter_var($string, FILTER_SANITIZE_STRING);
    $string = str_ireplace(array("\t", "\n", "\r", "&nbsp;"," &shy;",":"), ' ', $string);
    $string = str_ireplace(array("&shy;","&laquo;","&raquo;","&pound;"), '', $string);
    return trim($string, ",;.:-_*+~#'\"´`!§$%&/()=?«»")
}

它可以做各种各样的事情，但是我面临的问题与最后的trim函数有关。它应该修剪掉空格和特殊字符，并且工作良好，直到最近，我添加了两个特殊字符来修剪字符串：«和»。这引起了另一个特殊字符的问题：

当我将单词België传递到函数中时，ë被破坏，elastic抛出错误。

为什么修剪会破坏一个完全不同的角色？
我该如何解决这样，以便我解析出«和»并保留ë？

Answer 1

public class Customer { public String id; public CI ci; public CustData custData; ... }不支持编码，仅查看各个字节。如果您告诉它修剪trim，并且它是以UTF-8编码的，它将查找字节'«»'（其中C2 AB C2 BB是多余的，因此C2是实际的搜索字词）。 UTF-8中的“ë”为AB BB C2，因此将其中的一半删除并破坏了字符。

您需要使用编码感知功能来安全删除多字节字符，例如：

C3 AB

PHP修剪特殊字符会破坏其他特殊字符

1 个答案: