如何删除 PHP 字符串中的 %EF%BB%BF

Question

我正在尝试使用 Microsoft Bing API。

$data = file_get_contents("http://api.microsofttranslator.com/V2/Ajax.svc/Speak?appId=APPID&text={$text}&language=ja&format=audio/wav");
$data = stripslashes(trim($data));

返回的数据在返回字符串的第一个字符中有一个“ ”字符。它不是空格，因为我在返回数据之前修剪了它。

' ' 字符结果是 %EF%BB%BF。

我想知道为什么会发生这种情况，也许是微软的错误？

如何在 PHP 中删除这个 %EF%BB%BF？

Answer 1

您不应简单地丢弃 BOM，除非您 100% 确定流将：(a) 始终为 UTF-8，并且 (b) 始终具有 UTF-8 BOM。

原因：

1. 在 UTF-8 中，BOM 是可选 - 因此，如果服务在将来某个时刻停止发送它，您将丢弃响应的前三个字符。
2. BOM 的全部目的是明确识别被解释为 UTF-8 的 UTF 流的类型？ -16？或-32？，并且还指示编码信息的“字节序”（字节顺序）。如果你直接把它扔掉，你就会认为你总是得到 UTF-8；这可能不是一个很好的假设。
3. 并非所有 BOM 都是 3 字节长，只有 UTF-8 是 3 字节长。 UTF-16 是两个字节，UTF-32 是四个字节。因此，如果服务将来切换到更广泛的 UTF 编码，您的代码将会崩溃。

我认为处理这个问题的更合适的方法是：

/* Detect the encoding, then convert from detected encoding to ASCII */
$enc = mb_detect_encoding($data);
$data = mb_convert_encoding($data, "ASCII", $enc);

Answer 2

$data = file_get_contents("http://api.microsofttranslator.com/V2/Ajax.svc/Speak?appId=APPID&text={$text}&language=ja&format=audio/wav") ;
$data = stripslashes(trim($data));

if (substr($data, 0, 3) == "\xef\xbb\xbf") {
$data = substr($data, 3);
}

Answer 3

它是一个 字节顺序标记 (BOM)，指示响应被编码为 UTF-8。您可以安全地删除它，但您应该将其余部分解析为 UTF-8。

Answer 4

我今天遇到了同样的问题，并通过确保字符串设置为 UTF-8 进行了修复：

http://php.net/manual/en/function.utf8-encode.php

$content = utf8_encode ( $content );

Answer 5

要从字符串的开头删除它（仅）：

$data = preg_replace('/^%EF%BB%BF/', '', $data);

Answer 6

$data = str_replace('%EF%BB%BF', '', $data);

您可能不应该使用 stripslashes —— 除非 API 返回 blackslashed数据（99.99% 的可能性不是），请接受该呼吁。

Answer 7

您可以使用 substr 只获取其余部分，而无需 UTF-8 BOM：

// if it’s binary UTF-8
$data = substr($data, 3);
// if it’s percent-encoded UTF-8
$data = substr($data, 9);