php - 将 unicode 转换为 html 实体十六进制

Question

如何将 Unicode 字符串转换为 HTML 实体？（HEX不是十进制）

例如，转换Français为Français.

Answer 1

对于相关问题中缺少的十六进制编码：

$output = preg_replace_callback('/[\x{80}-\x{10FFFF}]/u', function ($match) {
    list($utf8) = $match;
    $binary = mb_convert_encoding($utf8, 'UTF-32BE', 'UTF-8');
    $entity = vsprintf('&#x%X;', unpack('N', $binary));
    return $entity;
}, $input);

这类似于@Baba 使用UTF-32BEunpack的答案，然后vsprintf是格式化需求。

如果您更喜欢iconv，mb_convert_encoding则类似：

$output = preg_replace_callback('/[\x{80}-\x{10FFFF}]/u', function ($match) {
    list($utf8) = $match;
    $binary = iconv('UTF-8', 'UTF-32BE', $utf8);
    $entity = vsprintf('&#x%X;', unpack('N', $binary));
    return $entity;
}, $input);

我发现这个字符串操作比Get hexcode of html entity更清楚一些。

Answer 2

您的字符串看起来像UCS-4您可以尝试的编码

$first = preg_replace_callback('/[\x{80}-\x{10FFFF}]/u', function ($m) {
    $char = current($m);
    $utf = iconv('UTF-8', 'UCS-4', $char);
    return sprintf("&#x%s;", ltrim(strtoupper(bin2hex($utf)), "0"));
}, $string);

输出

string 'Français' (length=13)

Answer 3

首先，当我最近遇到这个问题时，我通过确保我的代码文件、数据库连接和数据库表都是 UTF-8 来解决它，然后，简单地回显文本即可。如果您必须从数据库中转义输出，请使用htmlspecialchars()而不是htmlentities()让 UTF-8 符号单独存在并且不尝试转义。

想记录一个替代解决方案，因为它为我解决了类似的问题。我正在使用 PHPutf8_encode()来转义“特殊”字符。

我想将它们转换为 HTML 实体以进行显示，我编写此代码是因为我想尽可能避免 iconv 或此类功能，因为并非所有环境都必须具有它们（如果不是这样，请纠正我！）

$foo = 'This is my test string \u03b50';
echo unicode2html($foo);

function unicode2html($string) {
    return preg_replace('/\\\\u([0-9a-z]{4})/', '&#x$1;', $string);
}

希望这可以帮助有需要的人:-)

Answer 4

请参阅如何从 PHP 中的 unicode 代码点获取字符？对于一些允许您执行以下操作的代码：

示例使用：

echo "Get string from numeric DEC value\n";
var_dump(mb_chr(50319, 'UCS-4BE'));
var_dump(mb_chr(271));

echo "\nGet string from numeric HEX value\n";
var_dump(mb_chr(0xC48F, 'UCS-4BE'));
var_dump(mb_chr(0x010F));

echo "\nGet numeric value of character as DEC string\n";
var_dump(mb_ord('ď', 'UCS-4BE'));
var_dump(mb_ord('ď'));

echo "\nGet numeric value of character as HEX string\n";
var_dump(dechex(mb_ord('ď', 'UCS-4BE')));
var_dump(dechex(mb_ord('ď')));

echo "\nEncode / decode to DEC based HTML entities\n";
var_dump(mb_htmlentities('tchüß', false));
var_dump(mb_html_entity_decode('tchüß'));

echo "\nEncode / decode to HEX based HTML entities\n";
var_dump(mb_htmlentities('tchüß'));
var_dump(mb_html_entity_decode('tchüß'));

echo "\nUse JSON encoding / decoding\n";
var_dump(codepoint_encode("tchüß"));
var_dump(codepoint_decode('tch\u00fc\u00df'));

输出：

Get string from numeric DEC value
string(4) "ď"
string(2) "ď"

Get string from numeric HEX value
string(4) "ď"
string(2) "ď"

Get numeric value of character as DEC int
int(50319)
int(271)

Get numeric value of character as HEX string
string(4) "c48f"
string(3) "10f"

Encode / decode to DEC based HTML entities
string(15) "tchüß"
string(7) "tchüß"

Encode / decode to HEX based HTML entities
string(15) "tchüß"
string(7) "tchüß"

Use JSON encoding / decoding
string(15) "tch\u00fc\u00df"
string(7) "tchüß"

Answer 5

您还可以使用mb_encode_numericentityPHP 4.0.6+ 支持的版本（链接到 PHP 文档）。

function unicode2html($value) {
    return mb_encode_numericentity($value, [
    //  start codepoint
    //  |       end codepoint
    //  |       |       offset
    //  |       |       |       mask
        0x0000, 0x001F, 0x0000, 0xFFFF,
        0x0021, 0x002C, 0x0000, 0xFFFF,
        0x002E, 0x002F, 0x0000, 0xFFFF,
        0x003C, 0x003C, 0x0000, 0xFFFF,
        0x003E, 0x003E, 0x0000, 0xFFFF,
        0x0060, 0x0060, 0x0000, 0xFFFF,
        0x0080, 0xFFFF, 0x0000, 0xFFFF
    ], 'UTF-8', true);
}

通过这种方式，还可以指示将哪些字符范围转换为十六进制实体以及将哪些字符保留为字符。

使用示例：

$input = array(
    '"Meno più, PIÙ o meno"',
    '\'ÀÌÙÒLÈ PERCHÉ perché è sempre così non si sà\'',
    '<script>alert("XSS");</script>',
    '"`'
);

$output = array();
foreach ($input as $str)
    $output[] = unicode2html($str)

结果：

$output = array(
    '"Meno più, PIÙ o meno"',
    ''ÀÌÙÒLÈ PERCHÉ perché è sempre così non si sà'',
    '<script>alert("XSS");</script>',
    '"`'
);