php 空格无法替换,utf-8空格惹的祸

   
一次坑爹的小bug。读取一段文字(编码utf-8),想替换掉空格,str_replace(”
“..)、preg_replace(“/\s/”..)都不起作用。

十六进制值 1. + URL 中+号表示空格 %2B

<?php

// 替换<p>后4个空格
$str = file_get_contents("http://m.ts.cn/new/99cms_ts/api.php?s=/News/getNewsInfoTmp/Nid/51089");
$str = str_replace(" ", "-", $str);
$str = preg_replace("/\s/", "-", $str);
echo $str;  // 不起作用
  1. 空格 URL中的空格可以用+号或者编码 %20
  2. / 分隔目录和子目录 %2F
  3. ? 分隔实际的 URL 和参数 %3F
  4. % 指定特殊字符 %25
  5. # 表示书签 %23
  6. & URL 中指定的参数间的分隔符 %26
  7. = URL 中指定参数的值 %3D

  没办法,将替换不了的空格ord()下才看到,这个utf-8空格比较特殊。ASCII
194 + 160出来的。

解决的方法:
replace() 方法如果直接用str.replace(“-“,”!”) 只会替换第一个匹配的字符.
而str.replace(/\-/g,”!”)则可以替换掉全部匹配的字符(g为全局标志)。
replace()
js中替换字符变量如下:

<?php

// 替换<p>后4个空格
$str = file_get_contents("http://m.ts.cn/new/99cms_ts/api.php?s=/News/getNewsInfoTmp/Nid/51089");
$str = str_replace(chr(194) . chr(160), "-", $str);  // 解决方法
echo $str;  // OK

 data2=data2.replace(/\%/g,”%25″);
 data2=data2.replace(/\#/g,”%23″);
 data2=data2.replace(/\&/g,”%26″);

  实验下这个空格。

其他一些资料。。。仅供参考。。。

<?php

// utf-8无bom文件下,四个空格
$s1 = chr(194) . chr(160);
$s2 = chr(32);
$s3 = " ";
$s4 = " ";  // 全角空格
$s = $s1 . $s2 . $s3 . $s4;

// 判断
$r  = '';
if ($s1 == $s2) $r .= 1;
if ($s1 == $s3) $r .= 2;
if ($s1 == $s4) $r .= 3;
if ($s2 == $s3) $r .= 4;
if ($s2 == $s4) $r .= 5;
if ($s3 == $s4) $r .= 6;

// 结果
echo $s, "#####", $r, "####", str_replace(" ", "-", $s), "####", preg_replace("/\s/", "-", $s);

在使用url进行参数传递时,经常会传递一些中文名(或含有特殊字符)的参数或URL地址,在后台处理时会发生转换错误。在有些传递页面使用GB2312,而在接收页面使用UTF8,这样接收到的参数就可能会与原来发生不一致。使用服务器端的urlEncode函数编码的URL,与使用客户端java的encodeURI函数编码的URL,结果就不一样。

  结果:为方便书写,|代表空格,|代表全角空格。

java对文字进行编码涉及3个函数:escape,encodeURI,encodeURIComponent,相应3个解码函数:unescape,decodeURI,decodeURIComponent

  ||||####4####|–|####|–|

java中的编码方法:
escape() 方法:采用ISO
Latin字符集对指定的字符串进行编码。所有的空格符、标点符号、特殊字符以及其他非ASCII字符都将被转化成%xx格式的字符编码(xx等于该字符在字符集表里面的编码的16进制数字)。比如,空格符对应的编码是%20。unescape方法与此相反。不会被此方法编码的字符:
@ * / +

  改下浏览器编码为gbk,结果:聽
銆€#####4####聽–銆€####聽–銆€

encodeURI()方法:把URI字符串采用UTF-8编码格式转化成escape格式的字符串。不会被此方法编码的字符:!
@ # $& * ( ) = : / ; ? + ‘

 

encodeURIComponent
()方法:把URI字符串采用UTF-8编码格式转化成escape格式的字符串。与encodeURI()相比,这个方法将对更多的字符进行编码,比如
/
等字符。所以如果字符串里面包含了URI的几个部分的话,不能用这个方法来进行编码,否则
/ 字符被编码之后URL将显示错误。不会被此方法编码的字符:! * ( )

  问题的根源,在于UTF-8这种编码里面,存在一个特殊的字符,其编码是“0xC2
0xA0”(194
160),转换成字符的时候,表现为一个空格,跟一般的半角空格(ASCII
0x20)一样,唯一的不同是它的宽度不会被压缩,因此比较多的被用于网页排版(如首行缩进之类)。而其他的编码方式如GB2312、Unicode之类并没有这样的字符。

因此,对于中文字符串来说,如果不希望把字符串编码格式转化成UTF-8格式的(比如原页面和目标页面的charset是一致的时候),只需要使用
escape。如果你的页面是GB2312或者其他的编码,而接受参数的页面是UTF-8编码的,就要采用encodeURI或者
encodeURIComponent。

  总结下来就是:替换不了的字符,打印出ASCII码来总能替换掉吧。

另外,encodeURI/encodeURIComponent是在java1.5之后引进的,escape则在java1.0版本就有。
1、 
传递参数时需要使用encodeURIComponent,这样组合的url才不会被#等特殊字符截断。

 

   例如:< language=”java”>write(‘<a
href=”http://passport.baidu.com/?logout&aid=7&u='+encodeURIComponent("http://cang.baidu.com/bruce42")+'"&gt;退出&lt;/a&gt;');&lt;/&gt;

参考:解决采集UTF-8网页空格变成问号乱码  诡异的UTF8空格

2、  进行url跳转时可以整体使用encodeURI

例如:Location.href=encodeURI(“http://cang.baidu.com/do/s?word=百度&ct=21“);

3、  js使用数据时可以使用escape

例如:搜藏中history纪录。

4、 
escape对0-255以外的unicode值进行编码时输出%u****格式,其它情况下escape,encodeURI,encodeURIComponent编码结果相同。

最多使用的应为encodeURIComponent,它是将中文、韩文等特殊字符转换成utf-8格式的url编码,所以如果给后台传递参数需要使用encodeURIComponent时需要后台解码对utf-8支持(form中的编码方式和当前页面编码方式相同)

escape不编码字符有69个:*,+,-,.

http://www.bkjia.com/Javascript/319365.htmlwww.bkjia.comtruehttp://www.bkjia.com/Javascript/319365.htmlTechArticle十六进制值 1. + URL 中+号表示空格 %2B 2. 空格
URL中的空格可以用+号或者编码 %20 3. / 分隔目录和子目录 %2F 4. ?
分隔实际的 URL 和参数 %3F 5….