é 和 é 具有不同的 ASCII 值答案

【问题标题】：é and é have different ASCII valuesé 和 é 具有不同的 ASCII 值
【发布时间】：2019-11-01 10:54:24
【问题描述】：

我正在使用 htmlentities 转换特殊字符，但我遇到了 2 种不同类型的 é

<?php
header('Content-Type: text/html; charset=utf-8');
echo htmlentities("é")."\n";
echo htmlentities("é")."\n";
?>

输出：

é
&eacute;

我使用这个输出了 ASCII 值

echo ord("é");
echo ord("é");

输出

101
195

有没有办法强制 htmlentities 将 e 转换为可用字符？

【问题讨论】：

什么是可用字符？ Unicode 有多种显示重音字符的方式
如何在输入上添加一个str_replace("é", "é", $string); 以使所有é 相同？
实际 ASCII 甚至不包含字符 é。 ASCII 中的 101 只是 e - 对于任何大于 127 的内容，我们实际上甚至不再谈论 ASCII，而更有可能是 ISO 8859-xy 编码之一。您实际使用的字符编码（使用此数据，以及您输出它的页面）是您应该首先在此处添加的信息。
ord 只查看您输入的任何输入值的第一个 byte。因此，如果ord("é") 结果为您提供 101，那么您很可能有一个实际的 e，它与某种 Unicode 编码形式的重音组合。
因为 ord 只看第一个字节，你可以使用ord("é"[1]) 和ord("é"[2]) 来检查第二个和第三个字节的值是什么（如果它们存在，如果这实际上被编码为三个字节。）这可能会给你101 204 129，这意味着这是基本拉丁字符e（U+0065）的UTF-8表示，后跟U+0301，COMBINING ACUTE口音

【解决方案1】：

我们这里有 2 个不同的 UTF-8 字符串。

<?php
var_dump("é" === "e\u{301}");
var_dump("é" === "\u{e9}");
//bool(true) bool(true)

第一个字符串包含 2 个字符，ASCII "e" 和 unicode U+0301。第二个字符串包含字符U+00E9。

字符串可以很容易地用 str_replace 替换。建议使用 unicode 表示法（PHP 7+）以避免误解。

$string = str_replace("e\u{301}","\u{e9}",$string);

【讨论】：