PHP：フィルターで無効なutf-8文字を削除する

Question

大きなファイルがあるので、XMLから無効なutf-8文字を削除するフィルタを作成しました。

class ValidUTF8XMLFilter extends php_user_filter { 

    protected static $pattern = '/([\x09\x0A\x0D\x20-\x7E]|[\xC2-\xDF][\x80-\xBF]|\xE0[\xA0-\xBF][\x80-\xBF]|[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}|\xED[\x80-\x9F][\x80-\xBF]|\xF0[\x90-\xBF][\x80-\xBF]{2}|[\xF1-\xF3][\x80-\xBF]{3}|\xF4[\x80-\x8F][\x80-\xBF]{2})|./x'; 

    function filter($in, $out, &$consumed, $closing) 
    { 
     while ($bucket = stream_bucket_make_writeable($in)) { 
      $bucket->data = preg_replace(self::$pattern, '$1', $bucket->data); 
      $consumed += $bucket->datalen; 
      stream_bucket_append($out, $bucket); 
     } 
     return PSFS_PASS_ON; 
    } 
} 

このフィルタは、xmlでもutf-8でも無効なだけでなく、utf-8文字も削除します。 正規表現はMultilingual form encodingです。クラスはこの回答から取られました：How to skip invalid characters in XML file using PHPそして書き直されました。その答えのパターンは無効なutf-8文字では機能しません。 0x1D。

無効なバイトがバッファの最後から始まり、次のフィルタリングの開始時に終了するこのフィルタは機能しますか？この状況は可能ですか？

Answer 1

いいえ、私はうまくいかないと思います。複数のバケットに分割されたコードユニットの有効なシーケンスを削除します。

最後に不完全なシーケンスを消費してはならない（必要であれば、何も渡さずにPSFS_FEED_MEを返す）。