خواندن کارکترهای utf8 از فایل

[aminzadeh_mojtaba]

با سلام
1- من دارم یک موتور برای ایندکس کردن صفحات برای جستجو می نویسم.
وقتی محتوای فایل را می خوانم همه تگها و کلمات زبان اچتمل نیز خوانده می شوند.
من می خواهم فقط کدهای utf8 را بخوانم.

2- چگونه آنها را به صورت کلمه کلمه بخوانم.
با تشکر از همه دوستان

[oxygenws]

این تابع رو بینید، فکر کنم مناسب باشه:
http://www.php.net/manual/en/function.strip-tags.php