如何将unicode代码点转换为十六进制HTML实体？

Question

我有一个数据文件(确切地说是一个Apple plist),它有像和的Unicode 代码点.我需要使用PHP 将它们转换为有效的十六进制HTML实体.\U00e8\U2019

我现在正在做的是一长串:

 $fileContents = str_replace("\U00e8", "è", $fileContents);
 $fileContents = str_replace("\U2019", "’", $fileContents);

这显然是可怕的.我可以使用正则表达式转换\U和所有尾随0s到&#x,然后粘在尾部;,但似乎也重手.

是否有一种干净,简单的方法来获取字符串,并将所有unicode代码点替换为HTML实体？

Answer 1

这是一个正确的答案,它处理的是这些是代码单元,而不是代码点,并允许取消编码补充字符.

function unenc_utf16_code_units($string) {
    /* go for possible surrogate pairs first */
    $string = preg_replace_callback(
        '/\\\\U(D[89ab][0-9a-f]{2})\\\\U(D[c-f][0-9a-f]{2})/i',
        function ($matches) {
            $hi_surr = hexdec($matches[1]);
            $lo_surr = hexdec($matches[2]);
            $scalar = (0x10000 + (($hi_surr & 0x3FF) << 10) |
                ($lo_surr & 0x3FF));
            return "&#x" . dechex($scalar) . ";";
        }, $string);
    /* now the rest */
    $string = preg_replace_callback('/\\\\U([0-9a-f]{4})/i',
        function ($matches) {
            //just to remove leading zeros
            return "&#x" . dechex(hexdec($matches[1])) . ";";
        }, $string);
    return $string;
}