标签：blog http ar os sp strong 文件 on div
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。
<?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
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。
<?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
实验下这个空格。
<?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);
结果：为方便书写，|代表空格，|代表全角空格。
||||####4####|--|####|--|
改下浏览器编码为gbk，结果：聽 銆€#####4####聽--銆€####聽--銆€
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。
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。
参考：解决采集UTF-8网页空格变成问号乱码 诡异的UTF8空格
标签：blog http ar os sp strong 文件 on div
原文地址：http://www.cnblogs.com/oldphper/p/4128138.html
