从html文档中删除无效字符

我有一堆文件，大部分应该是html文档，但有时编辑器会复制&将其他来源的文本粘贴到其中，所以现在我不时会遇到一些奇怪的字符——例如，未编码的版权符号，或者看起来像破折号或减号但又是其他东西的奇怪东西(ascii#146？(，或者一个看起来像"…"的单个字符。我看了一下get_html_translation_table((，但这只会取代"常用"的特殊字符，如&，euro符号等，但我似乎需要regex，只指定允许的字符，并丢弃所有未知的字符。我在这里试过了，但根本不起作用：

function fixNpChars($string)
{
    //characters in the hexadecimal ranges 00–08, 0B–0C, 0E–1F, 7F, and 80–9F cannot be used in an HTML document, not even by reference.
    $pattern = '/['x{0000}-'x{0008}]['x{000B}-'x{000C}]['x{000E}-'x{001F}]['x{0080}-'x{009F}][x{007F}]/u';
    $replacement = '';
    return preg_replace($pattern, $replacement, $string);   
}

知道这里出了什么问题吗？

编辑：

我存储导入文件的数据库和php端都设置为utf-8(内容类型utf-8，db表字符集utf8/utf8_general_ci，mysql_set_charset('utf8'，$this->mHandle(；在数据库连接建立后执行。大多数导入的文件要么是utf8，要么是iso-8859-1。