PHP 過濾 ASCII 控制字元：資料清洗實用函式

問題背景

爬蟲資料、匯入 CSV/XML、API 回傳常夾帶不可見的 ASCII 控制字元 (0-31, 127)，導致 XML 解析失敗、資料庫寫入錯誤、前端顯示異常。

過濾函式

/**
 * 移除 ASCII 控制字元，保留換行、Tab 等常用空白字元
 * @param string $str 輸入字串
 * @return string 清理後字串
 */
function filter_ascii_control($str) {
    if (!$str) return '';
    $clean = '';
    $len = strlen($str);
    for ($i = 0; $i < $len; $i++) {
        $ord = ord($str[$i]);
        // 保留：Tab(9), LF(10), CR(13), 可列印字元(32-126)
        if ($ord === 9 || $ord === 10 || $ord === 13 || ($ord >= 32 && $ord <= 126)) {
            $clean .= $str[$i];
        } else {
            $clean .= ' '; // 其它控制字元替換為空格
        }
    }
    return trim($clean);
}

正則表達式替代寫法 (PHP 5.4+)

function filter_ascii_control_regex($str) {
    // 移除除 \t\n\r 以外的控制字元
    return preg_replace('/[\\x00-\\x08\\x0B\\x0C\\x0E-\\x1F\\x7F]/u', ' ', $str);
}

完整資料清洗管線範例

function sanitize_input($data) {
    // 1. 移除控制字元
    $data = filter_ascii_control($data);
    // 2. 統一編碼為 UTF-8
    $data = mb_convert_encoding($data, 'UTF-8', mb_detect_encoding($data, 'UTF-8, BIG5, GBK, ASCII', true));
    // 3. 移除 BOM
    $data = preg_replace('/^\\xEF\\xBB\\xBF/', '', $data);
    // 4. 修剪首尾空白
    $data = trim($data);
    // 5. 多重空白合併
    $data = preg_replace('/\\s+/', ' ', $data);
    return $data;
}

測試案例

$dirty = "Hello\x00World\x1F\x7F\r\nTab:\tEnd";
echo bin2hex($dirty) . "\n";      // 原始 hex
$clean = filter_ascii_control($dirty);
echo bin2hex($clean) . "\n";      // 清理後 hex
echo $clean;                      // 可讀輸出

應用場景

• XML/JSON 匯出前清洗，避免 Invalid character 錯誤
• 資料庫寫入前預處理，防止 Incorrect string value
• 日誌系統過濾二進位雜訊
• 使用者輸入二次防禦 (配合 htmlspecialchars、Prepared Statements)