如何用mb_substitute_character函數替換非法字符？實用技巧整理

gitbox 2025-07-10

1. mb_substitute_character()函數概述

mb_substitute_character()是PHP 中的一個多字節字符串處理函數，它用於設置或獲取在遇到非法字符時的替代字符。非法字符通常是指無法在當前字符編碼中表示的字符，這種情況在處理不同語言字符集時非常常見。

函數定義：

 <span><span><span class="hljs-title function_ invoke__">mb_substitute_character</span></span><span>(</span><span><span class="hljs-keyword">string</span></span><span> </span><span><span class="hljs-variable">$substitute_character</span></span><span> = </span><span><span class="hljs-literal">NULL</span></span><span>): </span><span><span class="hljs-keyword">mixed</span></span><span>
</span></span>

$substitute_character ：指定一個替代字符或替代字符的編碼。當設置為NULL時，返回當前的替代字符。
返回值：返回當前替代字符的編碼。

2. 為什麼需要替換非法字符？

在多語言環境下，數據輸入和輸出過程中，經常會遇到編碼不匹配的情況。例如，嘗試將包含某些字符的字符串傳輸到一個不支持該字符集的系統，或者在解析包含非法字符的數據時，程序可能會拋出錯誤。為了避免這些問題，我們可以使用mb_substitute_character()來設置一個替代字符，確保非法字符能夠被正確處理。

3. 設置和獲取替代字符

3.1 獲取當前的替代字符

可以通過mb_substitute_character()函數不傳遞任何參數來獲取當前的替代字符。

 <span><span><span class="hljs-variable">$current_substitute</span></span><span> = </span><span><span class="hljs-title function_ invoke__">mb_substitute_character</span></span><span>();
</span><span><span class="hljs-keyword">echo</span></span><span> </span><span><span class="hljs-string">"當前替代字符編碼: "</span></span><span> . </span><span><span class="hljs-variable">$current_substitute</span></span><span>;
</span></span>

默認情況下， mb_substitute_character()會返回一個代表替代字符的編碼值。一般來說，默認替代字符為0xFFFD ，這是Unicode 標準中定義的“替代字符”。

3.2 設置替代字符

要設置一個新的替代字符，可以將替代字符的編碼作為參數傳遞給mb_substitute_character() 。例如，我們可以將其設置為一個特定的字符，如問號（ ? ）：

 <span><span><span class="hljs-title function_ invoke__">mb_substitute_character</span></span><span>(</span><span><span class="hljs-string">'?'</span></span><span>);
</span></span>

此時，所有非法字符在轉換過程中將被替換為問號。

4. 配合mb_convert_encoding()使用

mb_substitute_character()最常見的應用場景是在使用mb_convert_encoding()進行編碼轉換時。假設你要將一個包含非法字符的字符串從一種編碼轉換為另一種編碼，可以通過設置替代字符來確保轉換過程中不拋出錯誤。

例子：將ISO-8859-1 編碼的字符串轉換為UTF-8

 <span><span><span class="hljs-comment">// 設置替代字符為問號</span></span><span>
</span><span><span class="hljs-title function_ invoke__">mb_substitute_character</span></span><span>(</span><span><span class="hljs-string">'?'</span></span><span>);

</span><span><span class="hljs-comment">// 轉換編碼並替換非法字符</span></span><span>
</span><span><span class="hljs-variable">$converted_str</span></span><span> = </span><span><span class="hljs-title function_ invoke__">mb_convert_encoding</span></span><span>(</span><span><span class="hljs-variable">$input_string</span></span><span>, </span><span><span class="hljs-string">'UTF-8'</span></span><span>, </span><span><span class="hljs-string">'ISO-8859-1'</span></span><span>);
</span><span><span class="hljs-keyword">echo</span></span><span> </span><span><span class="hljs-variable">$converted_str</span></span><span>;
</span></span>

在這個例子中，如果$input_string包含任何非法字符，它們將被轉換為問號。

5. 自定義替代字符

除了使用默認的替代字符（ 0xFFFD ）或問號（ ? ），你還可以設置為任意字符。比如，使用*作為替代字符：

 <span><span><span class="hljs-title function_ invoke__">mb_substitute_character</span></span><span>(</span><span><span class="hljs-string">'*'</span></span><span>);
</span></span>

這可以幫助你在某些情況下更清晰地標示非法字符的位置。

6. 注意事項

你應該根據實際需求來選擇合適的替代字符。如果替代字符對用戶可見，最好選擇一個顯眼且不常見的符號，例如?或* 。
在處理編碼時，確保目標編碼支持你所選擇的替代字符。如果你選擇的字符在目標編碼中無法表示，那麼它可能仍然會被替換為默認的替代字符。
在批量處理數據時，特別是從外部輸入或不受信任的數據源獲取數據時，設置一個合適的替代字符可以有效避免數據損壞或程序錯誤。

7. 總結

mb_substitute_character()函數為我們在處理字符串編碼轉換時提供了靈活的控制。當我們遇到非法字符時，能夠選擇用一個明確的字符進行替換，避免了程序的崩潰或錯誤輸出。掌握這個函數的使用，不僅能提升我們處理多語言文本的能力，還能提高程序的魯棒性。通過合理設置替代字符，程序員可以有效避免因編碼不一致導致的難題。