Что это за символ, который всё портил?

[arhip1985]

Вот из-за этого (символ сюда не вставляется

, такой прямоугольник/квадратик маленький, как при не правильной кодировке) символа всё портилось, а именно не открывался файл эксель со спарсенными данными. Долго пришлось искать причину (через сохранение в текстовый файл с разделителем, а после в другом шаблоне преобразование построчно в эксель), но всё же, как на будущее делать правильно - проверять спарсенный (в моём случае часть тайтла) текст путём - найти квадратик, заменить на ничего и только после этого сохранять? Какие ещё символы могут препятствовать нормальной работе/сохранению в эксель формат? и что это за символ такой, нахрен он был нуже в части тайтла?

 

[rostonix]

Кодировка битая значит. Откуда парсите? Нужно пробовать в другой кодировке текст получать

 

[arhip1985]

Кодировка битая значит. Откуда парсите? Нужно пробовать в другой кодировке текст получать

Парсю дом, кодировка !DOCTYPE html, значение беру из тайтла.
А как пробовать в другой кодировке текст получать?
Может это ед. случай был, 1/536 примерно, сегодня поставлю на такое же кол-во - посмотрю.
А вариант обработки переменной при поиске/замены с квадратиком прокатит?

 

[rostonix]

Если сайты разные, то универсального метода нет(

 

[alekwuy]

это может быть что то типа спецсимвола


● • ❍ ø ■ □ ❏ ▄▀▄▀▄ ◘ ◆ ◇ ▀▄ ▀▄ ▀▄ ◢ ◣ ◤ ◥ 【 】 〖 〗〘 〙〔 〕
✇ ☭ ۞ ⌘ ☤ ☬ ☫ 〄 ※ ⊕ ⊗
Ⓐ ® © ™ � ۩ ￥ ￡ ￦ $ € ₵ ₠ ₢ ₡ ₱ ₮ ₦ ₳
♲ ♳ ♴ ♵ ♶ ♷ ♸ ♹ ♺ ♼ ♽
✆ ☏
✐ ✑ ✓ ✕ ✗ ✘ ☐ ☒ □ ▣ ▤ ▥ ▦ ▧ ▨ ▩
๑ ஐ ॐ ๖ۣۜG இ ഊ ₪₪ § Ѿ Ω Ѽ ఞ ಊ ఎ യ ﻸֆ ൠ Ƹ̴Ӂ̴Ʒ ஔ
६ ३ १ २ ५ ७ ९ ণ ঐ ঙ ৡ ১ ২ ৩ ৯ ৶ ৸ ઈ ઉ ૬ ୭ ໂ ໃ ໄ ⌇༼ ༽ Ҩ ҩ
√ ∫ ∂ ∑ ∏ − ± × ÷ ≈ ∝ ≡ ≠ ≤ ≥ ∈ ∩ ∪ ⊂ ⊃ ⊆ ⊇ ¬ ∧ ∨ ∃ ∀ ° ′ ″ ∞ ‰ ∛ ∜ ᴥ ❛ ❜ ❝ ❞

 

[Nick]

Определитесь с тем, какие символы допустимы (например, все латинские и кириллические буквы, цифры и знаки препинания).
Составьте в специальной программе или сервисе регулярное выражение, которое будет находить всё, что к этому пространству символов не относится, и удалять это.
...
PROFIT!

 

[ZennoScript]

[^\s\w,\?!\.\(\)\[\]/-]
Вот приблизительная регулярка, которая это всё удалит.

 

[black_pariah]

можно и так [^\W]
только W большая

 

[ZennoScript]

можно и так [^\W]
только W большая

Это будут все буквенные символы. Немного совсем не то.

 

[black_pariah]

Это будут все буквенные символы. Немного совсем не то.

вот

 

[ZennoScript]

вотПосмотреть вложение 6926

Можете мне это не доказывать. Просто в конструкторе действий свою регулярку проверить слабо?

 

[black_pariah]

я понял.
доказывать ни кому ничего не хотел))

 

[ZennoScript]

я понял.
доказывать ни кому ничего не хотел))

Так, для справки:
Вы установили \W , что значит не цифра и не буква, а [^тут что то] означает отрицание, т.е. не не цифра и не не буква, т.е. цифра и буква. Это раз!
Кроме не цифр и не букв в тексте еще могут встречаться пробелы, знаки табуляции, переносы строк и т .д. и т.п. Ваша регулярка это всё тоже потрёт. Это два!
Вот как то так

 

[black_pariah]

понял спасибо ,но вроде всё работает

 

[LmPopo]

но вроде всё работает

Конечно работает - ищет буквы, цифры, ведь [^\W] = \w

 

[black_pariah]

Конечно работает - ищет буквы, цифры, ведь [^\W] = \w

))))

 

[black_pariah]

спасибо всем за информацию и подсказки.
понял,осознал,виноват,но я исправлюсь))

 

[arhip1985]

спасибо за растолковку