如何删除 PHP 字符串中的 %EF%BB%BF答案

【问题标题】：How to remove %EF%BB%BF in a PHP string如何删除 PHP 字符串中的 %EF%BB%BF
【发布时间】：2010-10-30 07:37:06
【问题描述】：

我正在尝试使用 Microsoft Bing API。

$data = file_get_contents("http://api.microsofttranslator.com/V2/Ajax.svc/Speak?appId=APPID&text={$text}&language=ja&format=audio/wav");
$data = stripslashes(trim($data));

返回的数据在返回字符串的第一个字符中有一个''字符。它不是空格，因为我在返回数据之前对其进行了修剪。

' ' 字符原来是 %EF%BB%BF。

我想知道为什么会这样，也许是微软的错误？

如何在 PHP 中删除这个 %EF%BB%BF？

【问题讨论】：

标签： php bing-api microsoft-translator

【解决方案1】：

除非您 100% 确定流将：(a) 始终为 UTF-8，并且 (b) 始终具有 UTF-8 BOM，否则不应简单地丢弃 BOM。

原因：

在 UTF-8 中，BOM 是可选的 - 因此，如果服务在未来某个时间点停止发送它，您将丢弃响应的前三个字符。
BOM 的全部目的是明确识别被解释为 UTF-8 的 UTF 流的类型？ -16？或 -32?，并且还表示编码信息的“字节序”（字节顺序）。如果你只是把它扔掉，你会假设你总是得到 UTF-8；这可能不是一个很好的假设。
并非所有 BOM 都是 3 字节长，只有 UTF-8 是 3 字节。 UTF-16 是两个字节，UTF-32 是四个字节。因此，如果将来该服务切换到更广泛的 UTF 编码，您的代码将会中断。

我认为更合适的处理方式是：

/* Detect the encoding, then convert from detected encoding to ASCII */
$enc = mb_detect_encoding($data);
$data = mb_convert_encoding($data, "ASCII", $enc);

【讨论】：

这在实践中似乎行不通。 mb_convert_encoding("\357\273\277some text", 'ASCII', mb_detect_encoding("\357\273\277some text")) 产生 string(10) "?some text"。请注意，它在输出中留下了一个问号。
@mark 不幸的是，这似乎是真的。我最好使用iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE',"\357\273\277some text") 进行转换。我猜mb_detect_encoding 将用于检测初始字符集，然后将其作为第一个参数传递给iconv。这更像是一种黑客行为。
@mark 我必须添加以下行来摆脱 ? : ini_set('mbstring.substitute_character', "none");

【解决方案2】：

$data = file_get_contents("http://api.microsofttranslator.com/V2/Ajax.svc/Speak?appId=APPID&text={$text}&language=ja&format=audio/wav"); $data = stripslashes(trim($data));

if (substr($data, 0, 3) == "\xef\xbb\xbf") { $data = substr($data, 3); }

【讨论】：

这个解决方案很棒！当我找不到答案时，它帮助了我很多。最好的逻辑部分是创建一个条件，如果 BOM Hex Charakters 存在，然后删除它们。此代码似乎将来保存，即使服务器不发送 BOM，此功能仍然有效。 +1

【解决方案3】：

这是一个byte order mark (BOM)，表示响应编码为UTF-8。您可以安全地删除它，但您应该将其余部分解析为 UTF-8。

【讨论】：

【解决方案4】：

我今天遇到了同样的问题，并通过确保将字符串设置为 UTF-8 来解决：

http://php.net/manual/en/function.utf8-encode.php

$content = utf8_encode ($content);

【讨论】：

【解决方案5】：

从字符串的开头删除它（仅）：

$data = preg_replace('/^%EF%BB%BF/', '', $data);

【讨论】：

【解决方案6】：

$data = str_replace('%EF%BB%BF', '', $data);

您可能不应该使用 stripslashes —— 除非 API 返回带有黑色斜线的数据（并且有 99.99% 的可能性不会），否则请取消该调用。

【讨论】：

【解决方案7】：

您可以使用substr 只获取其余部分，而不使用UTF-8 BOM：

// if it’s binary UTF-8
$data = substr($data, 3);
// if it’s percent-encoded UTF-8
$data = substr($data, 9);

【讨论】：

注意：一般来说，丢弃 BOM 并不是一个好主意。 BOM 会告诉您应该如何处理字符串的其余部分。如果您只是忽略它，假设它是一个 UTF-8 3 字节 BOM，那么如果/当编码发生变化时，您将面临一些真正的问题。 ...请在下面查看我的答案以获取更多详细信息。
致未来的谷歌员工：use this solution instead。丢弃 BOM 是一个坏主意。