使用 php 清除 html 中的特殊字符

Question

我在 php 中使用goutte 来获取页面的 html。我使用jquery ajax 调用php，并将页面放在文档区域(#doc)。

我想把那个页面不带特殊字符，比如  和其他字符，但是我的clean() 函数不起作用。我该如何解决？

PHP：

<?php
require_once 'goutte.phar';
use Goutte\Client;

if(isset($_GET['url'])) {
  $url = $_GET['url'];
}
//client used to send requests to a website and returns a crawler object
$client = new Client();
$client->getClient()->setDefaultOption('config/curl/'.CURLOPT_SSL_VERIFYHOST, FALSE); //codice per accettare anche https
$client->getClient()->setDefaultOption('config/curl/'.CURLOPT_SSL_VERIFYPEER, FALSE);
$crawler = $client->request('GET', $url);
if($status_code==200){



        $result = $crawler->filterXPath('html/body')->html(); 
        $result=clean($result);
        echo $result;

}
else {
    //in case of error
    echo "HTTP/1.0 400 Bad Request";
}

function clean($conv) {
    $string = htmlentities($conv, null, 'utf-8');
    $conv = str_replace("&nbsp;", "", $string);
    $conv = html_entity_decode($conv);
    return($conv);
}

?>

JAVASCRIPT：

function visual(search) {


    $.ajax({
            type: "GET",
            url: "goutte.php?url="+search,
            success: function(data)
            {
                var content=$.parseHTML(data);
                $("#doc").html(contenuto);

            },
            //azione in caso di errore
            error: function()
            {
                alert("Error");
            }
        });
}

Answer 1

如果要将编码后的 html 解码回常规，则需要使用html_entity_decode。这就是你需要做的。在 html 编码的字符串上再次使用 htmlentities 是错误的，以及使用 str_replace。

因此，您的 clean 函数应该只解码 html 编码的字符串。

function clean($conv) {
    $conv = html_entity_decode($conv, NULL, "UTF-8"); //To 'force' UTF-8 charset (php.ini settings may differ, that's why!)
    return $conv;
}

http://php.net/html_entity_decode