230

我有一个旧版应用程序刚刚开始行为不端，无论出于何种原因，我都不确定。它会生成一堆 HTML，这些 HTML 会被 ActivePDF 转换为 PDF 报告。

这个过程是这样的：

  1. 从数据库中提取一个 HTML 模板，其中包含要替换的标记（例如“~CompanyName~”、“~CustomerName~”等）
  2. 用真实数据替换令牌
  3. 使用一个简单的正则表达式函数整理 HTML，该函数对 HTML 标记属性值进行属性格式化（确保引号等，因为 ActivePDF 的渲染引擎讨厌除属性值周围的单引号之外的任何内容）
  4. 将 HTML 发送到创建 PDF 的 Web 服务。

在混乱中的某个地方，HTML 模板中的不间断空格（ s）被编码为 ISO-8859-1，因此在浏览器（FireFox）中查看文档时，它们会错误地显示为“”字符。ActivePDF 吐在这些非 UTF8 字符上。

我的问题：由于我不知道问题出在哪里，也没有时间调查它，有没有一种简单的方法来重新编码或查找并替换坏字符？我试过通过我拼凑的这个小功能发送它，但它把它全部变成 gobbledegook并没有改变任何东西。

Private Shared Function ConvertToUTF8(ByVal html As String) As String
    Dim isoEncoding As Encoding = Encoding.GetEncoding("iso-8859-1")
    Dim source As Byte() = isoEncoding.GetBytes(html)
    Return Encoding.UTF8.GetString(Encoding.Convert(isoEncoding, Encoding.UTF8, source))
End Function

有任何想法吗？

编辑：

我现在正在接受这个，虽然这似乎不是一个好的解决方案：

Private Shared Function ReplaceNonASCIIChars(ByVal html As String) As String
    Return Regex.Replace(html, "[^\u0000-\u007F]", " ")
End Function
4

8 回答 8

365

在那乱七八糟的某个地方，HTML模板中的不间断空格（s）被编码为ISO-8859-1，因此它们错误地显示为“”字符

那将编码为UTF-8，而不是ISO-8859-1。不间断空格字符是 ISO-8859-1 中的字节 0xA0；当编码为 UTF-8 时，它将是 0xC2,0xA0，如果您（错误地）将其视为 ISO-8859-1，则输出为" ". 这包括您可能没有注意到的尾随 nbsp；如果那个字节不存在，那么其他东西已经破坏了您的文档，我们需要进一步查看以找出什么。

什么是正则表达式，模板如何工作？如果您的 字符串（正确地）被转换为 U+00A0 NON-BREAKING SPACE 字符，则似乎在某处涉及适当的 HTML 解析器。如果是这样，您可以在 DOM 中本地处理您的模板，并要求它使用 ASCII 编码进行序列化，以保留非 ASCII 字符作为字符引用。这也将阻止您对 HTML 本身进行正则表达式后处理，这始终是一项非常狡猾的业务。

无论如何，现在您可以将以下内容之一添加到您的文档中<head>，看看这是否使它在浏览器中看起来正确：

  • 对于 HTML4：<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />
  • 对于 HTML5：<meta charset="utf-8">

如果你这样做了，那么任何剩余的问题都是 ActivePDF 的错。

于 2009-09-22T19:13:53.790 回答
25

如果有人和我有同样的问题并且字符集已经正确，只需执行以下操作：

  1. 复制 .html 文件中的所有代码。
  2. 打开记事本（或任何基本文本编辑器）并粘贴代码。
  3. 转到“文件->另存为”
  4. 输入您的文件名“example.html”（选择“保存类型：所有文件（.）”）
  5. 选择编码为 UTF-8
  6. 点击保存，您现在可以删除旧的 .html 文件，并且应该修复编码
于 2012-07-04T08:43:44.650 回答
14

问题： 即使我也面临这样的问题，即我们在 POST 请求中向 CRM 系统发送带有一些字符串的'£' ​​，但是当我们从 CRM 进行 GET 调用时，它返回了带有一些字符串内容的 '£' 。所以我们分析的是'£'正在转换为'£'。

分析： 我们研究后发现的毛病是在POST调用中我们将HttpWebRequest ContentType设置为“text/xml”，而在GET调用中设置为“text/xml; charset:utf-8”。

解决方案： 因此，作为解决方案的一部分，我们在 POST 请求中包含了charset:utf-8并且它可以工作。

于 2015-09-24T04:46:53.917 回答
3

在我的情况下，这（带插入符号）发生在我使用我自己的代码生成工具从 Visual Studio 生成的代码中。很容易解决：

在文档中选择单个空格 ( )。您应该能够看到许多看起来与其他单个空间不同的单个空间，它们没有被选中。选择这些其他单个空格 - 它们负责浏览器中不需要的字符。使用单个空格 ( ) 转到查找和替换。完毕。

PS：将光标放在一个或在VS2017+中选择它会更容易看到所有相似的字符；我希望其他 IDE 可能有类似的功能

于 2020-02-15T18:20:31.887 回答
-1

在我的情况下，我得到的是拉丁十字符号而不是 nbsp，即使页面被正确编码为 UTF-8。以上没有任何帮助解决问题，我尝试了所有。

最后更改 IE 的字体（使用浏览器特定的 css）有帮助，我使用 Helvetica-Nue 作为正文字体更改为 Arial 解决了这个问题。

于 2013-11-04T12:00:59.880 回答
-2

好吧，我在我的几个网站中也遇到了这个问题，我需要做的就是为 HTML 实体定制内容过滤器。在此之前，我删除的越多，我得到的越多，所以只需更改页面的 html 过滤器或解析功能，它就可以工作了。这主要是由于大多数 CMS 中的 HTML 编辑器。他们存储解析数据的方式导致了这个问题（以我为例）。愿这对你的情况也有帮助

于 2016-03-25T04:01:26.487 回答
-3

我遇到了同样的问题。显然这仅仅是因为 PHP 不识别 utf-8。

尽管在 DreamWeaver 中看起来没问题，但当一个“£”标志一直显示为“£”时，我一开始就扯掉了我的头发。最终我记得我在与索引文件相关的链接方面遇到了问题，当页面直接查看时可以与幻灯片一起使用，但与包含一起使用时则不行（但这不是重点。无论如何，我想知道这是否可能是一个类似的问题，因此我没有将其放入我遇到问题的页面中，而是将其放入 index.php 文件中 - 问题始终得到解决。

于 2013-12-16T20:17:33.120 回答
-3

原因是 PHP 无法识别 utf-8。

在这里您可以检查它是否有 HTML 中的所有特殊字符

http://www.degraeve.com/reference/specialcharacters.php

于 2014-06-05T13:50:50.123 回答