通过PHP解码数字html实体

Question

我有这个代码将数字html实体解码为UTF8等效字符.

我正在尝试转换这个角色:

’

应该输出:

"

然而,它只是消失(没有输出).(我已经检查了页面的源代码,页面有正确的utf8字符集标题/元标记).

有谁知道代码有什么问题？

function entity_decode($string, $quote_style = ENT_COMPAT, $charset = "UTF-8") {    
     $string = html_entity_decode($string, $quote_style, $charset);

     $string = preg_replace_callback('~&#x([0-9a-fA-F]+);~i', "chr_utf8_callback", $string);
     $string = preg_replace('~&#([0-9]+);~e', 'chr_utf8("\\1")', $string);

    //this is another method, which also doesn't work.. 
     //$string = preg_replace_callback("/(\&#[0-9]+;)/", "entity_decode_callback", $string);

     return $string; 
}




function chr_utf8_callback($matches) { 
     return chr_utf8(hexdec($matches[1])); 
}

function chr_utf8($num) {   
     if ($num < 128) return chr($num);
     if ($num < 2048) return chr(($num >> 6) + 192) . chr(($num & 63) + 128);
     if ($num < 65536) return chr(($num >> 12) + 224) . chr((($num >> 6) & 63) + 128) . chr(($num & 63) + 128);
     if ($num < 2097152) return chr(($num >> 18) + 240) . chr((($num >> 12) & 63) + 128) . chr((($num >> 6) & 63) + 128) . chr(($num & 63) + 128);
     return '';
}

function entity_decode_callback($m) { 
     return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES"); 
} 

 echo '=' . entity_decode('&#146;');

Answer 1

html_entity_decode 已经做了你想要的:

$string = '’';

echo html_entity_decode($string, ENT_COMPAT, 'UTF-8');

它将返回角色:

’   binary hex: c292

这是私人使用两个(U + 0092).由于它是私人使用,您的 PHP配置/版本/编译可能根本不会返回它.

还有一些更多的怪癖:

但在HTML(而不是XHTML,它使用XML规则等),这是一个长期的浏览器怪癖范围内的字符引用€到Ÿ被误解为与字节128在Windows西方代码页(CP1252)相关联的159个字符,而不是带有这些代码点的Unicode字符.HTML5标准最终记录了这种行为.

见:’ 在轨道上的红宝石中被nokogiri转换为"\ u0092"