4

所以我有%u041E%u043B%u0435%u0433%20%u042F%u043A如何将它保存为真正的 UTF-8 或（对我来说更好的 HTML 实体）？

4

3 回答 3

10

那是JavaScriptescape()格式。它类似于 URL 编码，但不兼容。完全使用它通常是一个错误。

最好的办法是更改生成它的脚本，改为使用正确的 URL 编码 ( encodeURIComponent())。然后，您可以使用urldecode服务器端的任何其他常规 URL 解码功能对其进行解码。

如果您绝对必须以这种非标准格式交换数据，则必须为其编写自定义解码器。这是利用 HTML 字符引用解码器的快速破解：

function jsunescape($s) {
    $s= preg_replace('/%u(....)/', '&#x$1;', $s);
    $s= preg_replace('/%(..)/', '&#x$1;', $s);
    return html_entity_decode($s, ENT_COMPAT, 'utf-8');
}

这将返回一个原始 UTF-8 字节字符串。如果你真的想在 HTML 字符引用中使用它，Ру...那么请停止html_entity_decode调用。但通常你不会。最好将字符串保持为原始格式，直到需要对它们进行转义以进行最终输出——最好不要用字符引用替换非 ASCII 字符，除非你真的需要。

如果像这样的字符串会出现在我的身边'%CE%EB%E5%E3+%DF%EA%F3%F8%EA%E8%ED'

那是 URL-form-encoded，它与escape()格式不直接兼容。虽然 URL 编码的 2 位字节转义不同于疯狂escape格式的 4 位代码单元转义，但字符+是模棱两可的。它可能意味着加号（如果字符串来自escape）或空格（如果它来自浏览器表单提交）。没有办法知道它是什么。这是不使用的另一个原因escape()。

除此之外; 如果这个字符串的字符集是 UTF-8 那么是的，上面的函数就可以了，将 URL 编码的字节和疯狂的escape()Unicode 字符都转换为原始的 UTF-8 字节。

然而，它实际上似乎是代码页 1251（Windows 俄语）。您真的想在 cp1251 中处理所有字符串吗？如果是这样，您将不得不对其进行一些更改，以使其将四位转义码编码为不同的字符集。这很混乱：

function url_or_maybe_jsescape_decode($s, $charset, $isform) {
    if ($isform)
        $s= str_replace('+', ' ', $s);
    $s= preg_replace('/%u(....)/', '&#x$1;', $s);
    $s= preg_replace('/%(..)/', '&!#x$1;', $s);
    $s= html_entity_decode($s, ENT_COMPAT, $charset);
    $s= str_replace('&!', '&', $s);
    $s= html_entity_decode($s, ENT_COMPAT, 'utf-8');
    return $s;
}

echo url_or_maybe_jsescape_decode('%CE%EB%E5%E3+%DF%EA%F3%F8%EA%E8%ED', 'cp1251', TRUE);

我强烈推荐：

  1. 修复 Flash 文件，使其使用正确的encodeURIComponent而不是escape.

  2. 在您的应用程序中一直使用 UTF-8，因此您可以支持俄语以外的语言，并且您不必担心提交表单的输入编码会发生变化。

（所有不是 UTF-8 的编码都很糟糕，这是科学证明的事实！）

于 2010-05-18T18:54:58.437 回答
2

PHP有解码功能

$string = html_entity_decode($string,ENT_COMPAT,"UTF-8")
于 2010-05-18T18:49:15.213 回答
0

正如其他人所建议的，将其转换为 Unicode HTML 实体。这是我使用的正则表达式，

function escapePercentU($s) {
   $s = preg_replace( "/%u([A-Fa-f0-9]{4})/", "&#x$1;", $s);
   return html_entity_decode($s, ENT_COMPAT, 'utf-8');
}
于 2010-05-18T19:39:44.333 回答