从 XML 提要返回的奇数字符

Question

我正在订阅 XML 提要以在网页中填充一些数据。字符集在数据库中均为 UTF8，在实际页面的元标记中设置为 UTF8。

但是，当我发布提要数据时，它会出现奇怪的字符，例如：

’ 而不是'。

我意识到提要可能对文本使用了非 UTF8 编码。但是，我不知道如何确定——而且我查看的下一个提要可能还有不同的编码。

如何确保来自提要的数据在存储到数据库之前被正确编码为 UTF8？

谢谢

Answer 1

如何确保来自提要的数据在存储到数据库之前被正确编码为 UTF8？

将其写入文件并在网络浏览器中查看，或者直接在网络浏览器中查看提要地址。如果您在 Web 浏览器中看到 ’，则该提要只是错误编码。

UTF-8 中的字符’（U+2019 右单引号）是字节序列 0xE2、0x80、0x99，如果被误解为 Windows 代码页 1252，则会出现 ’。原则上，为了扭转损害，您可以尝试将提取的文本编码为 cp1252 并将其重新解释为 UTF-8：

iconv('utf-8', 'windows-1252', $dodgy_str)

这适用于’，但如果 UTF-8 编码中有无法编码为 cp1252 的字节，则这些序列的原始内容将无法恢复。更好的方法是联系提供有问题的 Feed 的人，让他们修复它。

另一方面，如果浏览器显示正常，则问题出在您对 XML 的解析或与数据库的连接中。