※ 引述《m7m123d ( )》之銘言： : 在程式裡用pdftotext的方式將PDF檔轉成UTF-8的txt文字檔 : 接著抓出txt裡面的一段文字 : $_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 : 我手動複製沒被替換過去的「年」做替換，發現可行， : google到是字元代碼不相同的問題，這個狀況第一次遇到， : 想問一下版上大家有哪些經驗，想伸個關鍵字，謝謝。 有這種狀況的字其實不多 Unicode 有一區專門存放這種字: CJK Compatibility Ideographs U+F900~U+FAFF http://unicode-table.com/en/sections/cjk-compatibility-ideographs/ http://www.unicode.org/charts/PDF/UF900.pdf 它是用來存放在 Unicode 所參照的來源編碼裡, 一個字被重覆編碼的狀況 這時其中一個會對應到正常的字 (U+4E00~U+9FFF 裡的) 另一個就會對應到這邊來 狀況中的"年"字是 U+F98E, UTF-8 編碼是 EF A6 8E, PHP 可用 "\xEF\xA6\x8E" 表示 (記得用雙引號, 否則 \x 會看不懂; 當然如果有這種字可複製也可以用複製的, 不過就要寫個註解) 不過由於字不多加上會出現這種字只有很有限的狀況, 碰到了再解就好... (絕大多數情形下所輸入的字都會先對映到正常的範圍裡 加上這區裡的字有七成來自韓文編碼 可以說除非文件曾經經過韓文編碼不然幾乎不會有這種字) -- LPH [acronym] = Let Program Heal us -- New Uncyclopedian Dictionary, Minmei Publishing Co. --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.30.32 ※ 文章網址: http://webptt.com/m.aspx?n=bbs/PHP/M.1404133119.A.6A0.html