PHP：从 UTF-8 HTML 转换答案

【问题标题】：PHP: Converting from UTF-8 HTMLPHP：从 UTF-8 HTML 转换
【发布时间】：2009-08-07 13:37:30
【问题描述】：

我有一个想要解析的法语网站，但在将 (uft-8) html 转换为 latin-1 时遇到问题。

问题表现在下面的phpunit测试用例中：

class Test extends PHPUnit_Framework_TestCase {

    private static function fromHTML($str){
        return html_entity_decode($str, ENT_QUOTES, 'UTF-8');
    }

    public function test1(){

        //REMOVE THE SPACE between the '&' and 'nbsp'. SO won't
        //let me write it without the space
        $strFrom    = 'Wanted& nbsp;: les Chasseurs de Tamriel';
        $strTo  = 'Wanted : les Chasseurs de Tamriel';
        $strFrom = self::fromHTML($strFrom);
        $this->assertEquals($strTo, $strFrom);
    }

    public function test2(){
        $strFrom    = 'Remplacement d&#8217;Almalexia';
        $strTo      = 'Remplacement d’Almalexia';
        $strFrom = self::fromHTML($strFrom);
        $this->assertEquals($strTo, $strFrom);
    }

    }

test2 可以正常完成。由于空格不正确，test1 似乎失败了，所以当转换为 ascii 时，它最终会成为未知字符 (�)。

如何确保两个测试都通过？

【问题讨论】：

为什么'&'和'nbsp;'之间有空格？这是您要解决的问题吗？
因为我不能在没有空格的情况下编写它，因为如果我不这样做，SO 会将其转换为空格

标签： php html parsing utf-8

【解决方案1】：

test1 没有失败，它的答案是正确的。您比较的字符串不一样。 “ ” 没有解码为空格 (0x20)。这是一个不间断的空格字符，因此被解码为0xa0。当您更改 strTo 以在冒号前包含该字符时，assertEquals 将返回 true。当然，您必须确保您的文件以 UTF-8 编码保存，就像 PERR0_HUNTER mentioned 一样，但看到您使用“'”字符，您可能已经这样做了。 :)

【讨论】：

【解决方案2】：

作为一个小建议，确保你的.php文件编码设置为utf8，你不知道有多少人错过了。

【讨论】：