PHP - 用正确的 Unicode 符号替换 JSON

Question

好的，所以我有一些 JSON，当解码时，我打印出结果。在解码 JSON 之前，我使用 stripslashes() 删除多余的斜杠。 JSON 包含网站链接，例如 https://www.w3schools.com/php/default.asp 和描述，例如 Hello World, I have u00249999999 dollars

当我打印出 JSON 时，我希望它打印出来 Hello World, I have $9999999 dollars，但它会打印出Hello World, I have u00249999999 dollars。

我假设 u0024 没有被解析，因为它没有反斜杠，但问题是网站链接的正斜杠不会通过带斜杠删除，这很好 - 我认为反斜杠使用 stripslashes() 删除 Unicode 符号；

如何让 PHP 自动检测和解析 Unicode 美元符号？我还想将此规则应用于每个 Unicode 符号。

提前致谢！

Answer 1

根据PHP documentation on stripslashes ()，它

取消引用带引号的字符串。

这意味着，它基本上删除了所有用于转义字符（或 Unicode 序列）的反斜杠。删除这些时，您基本上没有机会完全确定 "u0024" 之类的任何序列都是 Unicode 实体，您的用户可能只是输入了它。

除此之外，在包含转义引号的 JSON 值上使用 stripslashes () 时会遇到一些麻烦。考虑这个例子：

{
  "key": "\"value\""
}

当使用stripslashes () 时，这将变得无效，因为它将如下所示：

{
  "key": ""value""
}

这是不可解析的，因为它不是有效的 JSON 对象。当您不使用stripslashes () 时，所有转义序列都将由 JSON 解析器转换，并且在将（解码的）JSON 对象输出到客户端之前，PHP 将自动解码（或“转换”）您的数据可能包含的 Unicode 序列.

结论：我建议在处理 JSON 实体时不要使用stripslashes ()，因为它可能会破坏事物（如前面的示例中所见，但也出现在您的问题中）。

Answer 2

您的假设是正确的：u0024 没有被解析，因为它没有反斜杠。您可以使用正则表达式在转换后添加反斜杠。

您的内部似乎有 UTF-8 编码的字符串，PHP 正确输出它们，但您的浏览器无法自动检测编码（它决定使用 ISO 8859-1 或其他编码）。

最好的方法是通过发送相应的 HTTP 标头告诉浏览器正在使用 UTF-8：

header("content-type: text/html; charset=UTF-8"); 

然后，您可以将其余代码保持原样，而不必对实体进行 html 编码或创建其他混乱。

如果需要，您还可以使用<meta> 标签在生成的 HTML 中额外声明编码：

<meta http-equiv=Content-Type content="text/html; charset=UTF-8"> for HTML <=4.01
<meta charset="UTF-8">

对于 HTML5 HTTP 标头优先于<meta> 标记，但如果将 HTML 保存为 HD 然后在本地读取，则后者可能很有用。

Answer 3

您必须了解的主要问题是，为什么需要去除斜线？ 而且，如果确实需要去除斜线，如何管理编码？使用 html_entity_decode 将 unicode 符号 before 转换为斜杠而不是之后可能是个好主意。

无论如何，您可以尝试使用此解决方法解决问题：

$string = "Hello World, I have u00249999999 dollars";
$string = preg_replace( "/u([0-9A-F]{0,4})/", "&#x$1;", $string ); // recover "u" + 4 alnums
$string = html_entity_decode( $string, ENT_COMPAT, 'UTF-8' ); // convert to utf-8