PHP htmlspecialchars 函数中的 Unicode 替换字符答案

【问题标题】：Unicode Replacement Characters in the PHP htmlspecialchars functionPHP htmlspecialchars 函数中的 Unicode 替换字符
【发布时间】：2012-01-02 14:13:46
【问题描述】：

在 htmlspecialchars 函数中，如果设置了 ENT_SUBSTITUTE 标志，它应该替换一些无效字符。

替换了哪些字符？无效字符和用来替换的字符之间的映射是什么？

【问题讨论】：

标签： php htmlspecialchars html-sanitizing

【解决方案1】：

只有一个通用替换字符：U+FFFD。如果您正在写出 UTF-8，则此代码点已适当编码。如果没有，您将获得相应的字符引用 &#xFFFD;。

没有可逆映射。根据定义，原始字节序列是invalid，即它没有有值（valid = 有值）。

被替换的字节（不是真正的“字符”）是那些在假定的源编码中无效的字节。例如，如果您的源编码是 UTF-16 并且您有一个单独的代理，那将是“无效的”（尽管从技术上讲，任何文本处理器都应该在这种情况下致命地中止）。作为一个更好的例子，如果源编码是 ASCII，那么任何高于 127 的值都是无效字符。

【讨论】：