U+009A的PHP UTF-8编码问题答案

【问题标题】：PHP UTF-8 encoding problem of U+009AU+009A的PHP UTF-8编码问题
【发布时间】：2009-07-16 10:29:17
【问题描述】：

我在显示 U+009A 的 Unicode 字符时遇到问题。

它应该看起来像“š”，但看起来像一个矩形块，里面有数字 009A。

将其转换为实体“”正确显示字符，但我不想在数据库中存储实体。

网页的编码是UTF-8。

该字符被 URL 编码为“%C2%9A”。

再现： # php -E 'echo urldecode("%C2%9A");' > /tmp/测试；少 /tmp/test

这给了我 in less 或 in vim.

【问题讨论】：

标签： php encoding utf-8

【解决方案1】：

Unicode 字符“š”是 U+0161，而不是 U+009A

我怀疑它是另一个字符集中的 0x9A。

当您没有安装带有该字符的字体时，通常会显示带有 009A 的框。

【讨论】：

也许这更有意义。内容很可能是从 Word 中复制的，随之而来的是所有奇怪的东西......这给了我我需要的东西： html_entity_decode("š", ENT_COMPAT, "UTF-8");但是，这些字符更多，所以我需要一个映射或一种在它们之间进行转换的方法
感谢您的提示，Gumbo。以下代码解决了我的问题（不知何故，我首先需要 utf8_decode，但我猜 XML 提要也是 UTF-8 编码的）： $_output = utf8_decode($_output); $_output = mb_convert_encoding($_output, 'UTF-8', 'windows-1252');

【解决方案2】：

如果您使用 UTF-8 作为输入编码，那么您可以简单地使用纯 š。或者您可以使用独立于输入编码的十六进制表示 "\xC2\x9A"（双引号）。或者 utf8_encode("\x9A")，因为 Unicode 和 ISO 8859-1 的前 256 个字符是相同的。

【讨论】：

这给了我和以前一样的结果：# php -E 'echo utf8_encode("\x9A");回声“\n”;' > /tmp/测试；少 /tmp/test

【解决方案3】：

如果我对 echo urldecode("%C2%9A"); 的输出进行十六进制转储，我会得到 c2 9a，这是字符 0x9a 的正确 UTF-8 编码。

你从utf8_encode("\x9A")的输出中得到相同的编码

当我尝试查看 Unicode 字符 0x9a 时，我也看到了一个方框 - 怀疑它不是您认为应该的字符（啊哈：正如 Azquelt 所发布的，Unicode 字符“š”是 U+0161，而不是 U+ 009A)

【讨论】：

我得到“9ac2”，但我猜这与大/小端序有关？我已经在 Ubuntu i686 和 RedHat4 i686 上对此进行了测试。 $ php -E 'echo urldecode("%C2%9A");' > /tmp/测试； od -t x2 /tmp/test 0000000 9ac2 0000002

【解决方案4】：

Codeigniter 在 Etisalat 等托管服务器中存在 utf-8 字符输入数据保存问题。 system/core/Utf8.php 具有检测输入数据（post/get）中非法字符的功能。在某些情况下 utf-8 char 被认为是非法的并且保存功能将失败。为了避免数据保存问题，请在第 85 行的 Utf8.php 的 clean_string() 函数中执行以下操作。

$str = !mb_detect_encoding($str, 'UTF-8', TRUE) ？ utf8_encode($str) : $str;

$str = @iconv('UTF-8', 'UTF-8//IGNORE', $str);

【讨论】：