※ 引述《m7m123d ( )》之铭言： : 在程式里用pdftotext的方式将PDF档转成UTF-8的txt文字档 : 接着抓出txt里面的一段文字 : $_str = '生日：066年11月28日'; : $_str = str_replace("生日：", '', $_str); : $_str = str_replace("年" , '', $_str); : $_str = str_replace("月" , '', $_str); : $_str = str_replace("日" , '', $_str); : echo $_str; : Output：066年1128 : 我手动复制没被替换过去的「年」做替换，发现可行， : google到是字元代码不相同的问题，这个状况第一次遇到， : 想问一下版上大家有哪些经验，想伸个关键字，谢谢。 有这种状况的字其实不多 Unicode 有一区专门存放这种字: CJK Compatibility Ideographs U+F900~U+FAFF http://unicode-table.com/en/sections/cjk-compatibility-ideographs/ http://www.unicode.org/charts/PDF/UF900.pdf 它是用来存放在 Unicode 所参照的来源编码里, 一个字被重覆编码的状况 这时其中一个会对应到正常的字 (U+4E00~U+9FFF 里的) 另一个就会对应到这边来 状况中的"年"字是 U+F98E, UTF-8 编码是 EF A6 8E, PHP 可用 "\xEF\xA6\x8E" 表示 (记得用双引号, 否则 \x 会看不懂; 当然如果有这种字可复制也可以用复制的, 不过就要写个注解) 不过由於字不多加上会出现这种字只有很有限的状况, 碰到了再解就好... (绝大多数情形下所输入的字都会先对映到正常的范围里 加上这区里的字有七成来自韩文编码 可以说除非文件曾经经过韩文编码不然几乎不会有这种字) -- LPH [acronym] = Let Program Heal us -- New Uncyclopedian Dictionary, Minmei Publishing Co. --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.30.32 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/PHP/M.1404133119.A.6A0.html