嗨，我正在向zend_lucene_search提供上下文，它可以搜索单词到特殊字符，之后就无法搜索了。
例如：
very well to the other job boards � one of the main things that has impressed is the variety of the applications, especially with regards to the background of the candidates" manoj � Head
如果我搜索"板"，我可以得到它，但如果我在不可读字符之后搜索一个或任何字符串，我无法搜索它。
如何删除这些，我想获得纯文本。
我在将 .docx/pdf 文件转换为文本时得到了这些字符。
或
让我知道如何只向zend_search_lucene提供文本。
请帮忙。
您可以使用以下函数调用preg_replace从字符串中删除所有非 ASCII（所谓的特殊）字符：
$replaced = preg_replace('/[^'x00-'x7F]+/', '', $str);
// produces this converted text:
// "very well to the other job boards one of the main things that has impressed
// is the variety of the applications, especially with regards to the background of the
// candidates" manoj Head"
您可能需要转换正在处理的字符串的字符集，以匹配当前 HTML 文档的字符集。
例如，如果您的 HTML 文档使用 UTF-8，那么您可以通过 utf8_encode（） 运行字符串。否则，如果您不确定要使用哪个字符集，请尝试使用 mb_convert_encoding（） 并使用一些更常见的字符集。