使用 php 将特殊字符转换为 ISO Latin-1 代码？答案

【问题标题】：Convert special characters to ISO Latin-1 codes with php?使用 php 将特殊字符转换为 ISO Latin-1 代码？
【发布时间】：2011-06-14 21:12:57
【问题描述】：

跟进我之前创建的post。

我发现 XML 在处理特殊字符时实际上采用数字代码而不是名称代码。所以我在网上浏览了如何将特殊字符转换为数字代码，但我没有任何运气。

我是否必须编写一个函数来完成这项任务，或者 php 是否带有任何可以节省大量工作的默认函数？

例如，我想将á 转换为&#225; 但不 á 转换为&aacute;

有可能吗？

如果您有任何想法，请提供帮助。

编辑：

我正在使用此建议将特殊字符转换为数字字符，

$txt = preg_replace('/([\x80-\xff])/e', "'&#' . ord('$1') . ';'", $txt);

但我刚刚发现它不会将这 5 个特殊字符转换为数字代码 - <、>、&、' 和 "。

我怎样才能绕过它们？

谢谢。

【问题讨论】：

标签： php xml special-characters

【解决方案1】：

使用mb_encode_numericentity。示例（假设脚本以 UTF-8 编码）：

<?php
header("Content-type: text/plain");
echo mb_encode_numericentity("aáb",
    array(0x0080, 0x10FFFF, 0x0, 0xFFFFFF), "UTF-8");

会给：

a&#225;b

此示例将所有非 ASCII 字符编码为其数字实体。如果您还想对在 XML 中具有特殊含义的字符 <、>、&、' 和 " 进行编码，请使用 htmlspecialchars（或使用 mb_encode_numericentity，但添加这些字符到第二个参数中的数组）。

但是请注意，如果您的 XML 文件以 UTF-8 编码，您只需编码几个字符（á 不是其中之一）。请参阅 here 以获取在 mb_encode_numericentity 中使用的适当转换映射（这包括 XML 特殊字符 <、>、&、' 和 " 的转换，并且还对以下字符进行编码禁止在 XML 文档中按字面意思出现，如 U+0000)。

【讨论】：

你有完整的地图吗？
@cyberwiki 你在说什么？有什么用？这会将非 ASCII 格式的 LATIN-1 字符转换为其数字实体。作为奖励，它还可以转换所有其他更高的 unicode 字符。如果他想逃跑<、>、&、'和"，他可以使用htmlspecialchars。
很好地识别识别非ASCII字符的数组值，非常有帮助。

【解决方案2】：

这里提供了一个简洁的功能http://www.sourcerally.net/Scripts/39-Convert-HTML-Entities-to-XML-Entities。您将 html_entities 链接到提供的函数以获取 text->html->xml

不，到目前为止，php 还没有像 xml_entities 这样的内置函数

【讨论】：

您链接的页面信息不正确。它开始“输入带有 & 之类的 html 实体的字符串并取回正确的 xml 实体 - 在本例中为 ”。这是误导。 &amp; 是所有 XML 文档中的有效实体，还有 &lt;、&gt;、&quot; 和 &apos;。
顺便说一句，如果你想解码用于 XML 文档的 html 实体，你可以使用html_entity_decode。
@artefacto - 我们很高兴。这是一个起点。您始终可以链接 html_entities 以获取 html 以进一步转换为 xml。 html 实体是 xml 所需内容的一个很好的列表。
@artefacto if you wanted to decode html entities for use in a XML document 正好相反，请点击问题链接到 OP 的其他问题。
您链接到的页面包含错误信息，您会期待什么？现在你用另一个愚蠢的东西进行编辑，比如“你将 html_entities 链接到提供的函数以获取 text->html->xml”，这在语法上甚至都不正确......对不起，downvote 是应得的。

【解决方案3】：

通用的方法是使用：

$txt = preg_replace('/([\x80-\xff])/e', "'&#' . ord('$1') . ';'", $txt);

您必须确保 $txt 确实已经包含 Latin-1 (utf8_decode)，否则您会从字符串字节中收到错误的值。

【讨论】：

看到他原来的问题，XML文档是UTF-8，不是Latin-1（没有指定编码，所以默认是UTF-8）。
@Artefacto：哦，我明白了。我在这里盲目地看标题，并希望 Latin-1 和 Unicode 枚举无论如何都是相同的。好吧，他必须尝试什么有效..
@mario：谢谢。它似乎工作正常 - echo preg_replace('/([\x80-\xff])/e', "'' . ord('$1') . ';'", "ö");我得到 ö这就是我所追求的。谢谢！
@mario：刚刚发现您建议的代码不会将这些字符转换为数字代码 - 、&、' 和“。我该如何绕过它们？
@lauthiamkok：如果您也希望它们转换，请将它们包含在正则表达式中的方括号 [<\'"&>\x80-\xff]