过滤utf8 字符中超过三个字节的字符，或者非utf8字符

标签：

/**
 * 过滤为3字节内utf8
 * @param $str
 * @return string
 */
function filterUtf8($str)
{
    /*utf8 编码表：
    * Unicode符号范围           | UTF-8编码方式
    * u0000 0000 - u0000 007F   | 0xxxxxxx
    * u0000 0080 - u0000 07FF   | 110xxxxx 10xxxxxx
    * u0000 0800 - u0000 FFFF   | 1110xxxx 10xxxxxx 10xxxxxx
    *
    */
    $re = ‘‘;
    $str = str_split(bin2hex($str), 2);

    $mo =  1<<7;
    $mo2 = $mo | (1 << 6);
    $mo3 = $mo2 | (1 << 5);         //三个字节
    $mo4 = $mo3 | (1 << 4);          //四个字节
    $mo5 = $mo4 | (1 << 3);          //五个字节
    $mo6 = $mo5 | (1 << 2);          //六个字节


    for ($i = 0; $i < count($str); $i++)
    {
        if ((hexdec($str[$i]) & ($mo)) == 0)
        {
            $re .=  chr(hexdec($str[$i]));
            continue;
        }

        //4字节 及其以上舍去
        if ((hexdec($str[$i]) & ($mo6) )  == $mo6)
        {
            $i = $i +5;
            continue;
        }

        if ((hexdec($str[$i]) & ($mo5) )  == $mo5)
        {
            $i = $i +4;
            continue;
        }

        if ((hexdec($str[$i]) & ($mo4) )  == $mo4)
        {
            $i = $i +3;
            continue;
        }

        if ((hexdec($str[$i]) & ($mo3) )  == $mo3 )
        {
            $i = $i +2;
            if (((hexdec($str[$i]) & ($mo) )  == $mo) &&  ((hexdec($str[$i - 1]) & ($mo) )  == $mo)  )
            {
                $r = chr(hexdec($str[$i - 2])).
                    chr(hexdec($str[$i - 1])).
                    chr(hexdec($str[$i]));
                $re .= $r;
            }
            continue;
        }



        if ((hexdec($str[$i]) & ($mo2) )  == $mo2 )
        {
            $i = $i +1;
            if ((hexdec($str[$i]) & ($mo) )  == $mo)
            {
                $re .= chr(hexdec($str[$i - 1])) . chr(hexdec($str[$i]));
            }
            continue;
        }
    }
    return $re;
}

过滤utf8 字符中超过三个字节的字符，或者非utf8字符

标签：

原文地址：http://my.oschina.net/xming4321/blog/523931