logo标签列表

在PHP中使用htmlentities但保留HTML标签

phphtmlstringreplacehtml-entities
59
我希望将字符串中的所有文本转换为HTML实体，但保留HTML标记，例如以下内容：
<p><font style="color:#FF0000">Camión español</font></p>

should be translated into this:

<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>

有什么想法吗？

7
谢谢你的好问题，我也很想知道！+1 - Mr. Smith
3
实际上，我会说这是一个错误的问题。为什么你想要逃避那些人物呢？ - Josh Davis
可能存在这样的需求（我喜欢Peter的回答），但是提出这个问题让我立刻怀疑OP是否存在字符编码不匹配的问题（通常是UTF-8与ISO-8859-1之间的区别），应该优先解决它，而不是试图隐藏在HTML中定义有实体引用的少量字符（相对于Unicode选择）。 - bobince
7个回答
69

你可以使用get_html_translation_table函数来获取被htmlentities使用的字符与实体对应关系列表；考虑下面的代码：

$list = get_html_translation_table(HTML_ENTITIES);
var_dump($list);

你可能需要在手册中检查该函数的第二个参数 - 也许你需要将其设为与默认值不同的值。

这将会得到类似于这样的结果：

array
  ' ' => string '&nbsp;' (length=6)
  '¡' => string '&iexcl;' (length=7)
  '¢' => string '&cent;' (length=6)
  '£' => string '&pound;' (length=7)
  '¤' => string '&curren;' (length=8)
  ....
  ....
  ....
  'ÿ' => string '&yuml;' (length=6)
  '"' => string '&quot;' (length=6)
  '<' => string '&lt;' (length=4)
  '>' => string '&gt;' (length=4)
  '&' => string '&amp;' (length=5)

现在，删除您不想要的对应项：

unset($list['"']);
unset($list['<']);
unset($list['>']);
unset($list['&']);

现在，您的列表包含htmlentites使用的所有字符=>实体的对应关系，除了您不想编码的几个字符。

现在，您只需要提取键和值的列表：

$search = array_keys($list);
$values = array_values($list);

最后，您可以使用str_replace进行替换：

$str_in = '<p><font style="color:#FF0000">Camión español</font></p>';
$str_out = str_replace($search, $values, $str_in);
var_dump($str_out);

你将获得：

string '<p><font style="color:#FF0000">Cami&Atilde;&sup3;n espa&Atilde;&plusmn;ol</font></p>' (length=84)

看起来这就是你想要的 ;-)


编辑: 好吧，除了编码问题（该死的UTF-8，我猜测--我正在尝试找到解决方法，并会再次编辑）

几分钟后第二次编辑：看起来你需要在调用str_replace之前，在$search列表上使用utf8_encode :-(

也就是说，要使用类似于以下的内容：

$search = array_map('utf8_encode', $search);

在调用 array_keys 和调用 str_replace 之间。

这一次，你应该真正得到你想要的：

string '<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>' (length=70)


以下是完整的代码段:

$list = get_html_translation_table(HTML_ENTITIES);
unset($list['"']);
unset($list['<']);
unset($list['>']);
unset($list['&']);

$search = array_keys($list);
$values = array_values($list);
$search = array_map('utf8_encode', $search);

$str_in = '<p><font style="color:#FF0000">Camión español</font></p>';
$str_out = str_replace($search, $values, $str_in);
var_dump($str_in, $str_out);

完整的输出如下：

string '<p><font style="color:#FF0000">Camión español</font></p>' (length=58)
string '<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>' (length=70)

这次应该没问题了 ^^
它可能不能适用于单行，也许不是最优化的解决方案; 但它应该可以正常工作，并且具有允许您添加/删除所需或不需要的任何对应字符=>实体的优点。

玩得开心！

4
哇，回答得很好呢，排版也很棒。如果可以的话我会给你+3分数的 ;) - casraf
+1 for the utf-8 part. 最初使用的是 strtr，但这破坏了编码。 - Horen
这被称为“令人敬畏的！” - Anand Singh
htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) ); htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) ); - aequalsb
这个在PHP 5.4中停止工作，因为get_html_translation_table现在默认返回UTF-8。如果需要，您可以指定不同的编码，但只需从此答案中删除utf8_encode 即可使其重新工作。 - IMSoP
19

可能不是非常高效，但它能正常工作

$sample = '<p><font style="color:#FF0000">Camión español</font></p>';

echo htmlspecialchars_decode(
    htmlentities($sample, ENT_NOQUOTES, 'UTF-8', false)
  , ENT_NOQUOTES
);
7
这是被接受答案的优化版本。
$list = get_html_translation_table(HTML_ENTITIES);
unset($list['"']);
unset($list['<']);
unset($list['>']);
unset($list['&']);

$string = strtr($string, $list);
更加优化的代码：$list = get_html_translation_table(HTML_ENTITIES); unset($list['"'], $list['<'], $list['>'], $list['&']); echo strtr($val, $list); - Dmitri Zaitsev
5

除了解析器，没有其他方法能够适用于所有情况。您的情况很好：

<p><font style="color:#FF0000">Camión español</font></p>

但是您是否还想支持以下内容：
<p><font>true if 5 < a && name == "joe"</font></p>

您希望它输出的位置：

<p><font>true if 5 &lt; a &amp;&amp; name == &quot;joe&quot;</font></p>

问题：在构建HTML之前，您能否进行编码？换句话说，您可以像这样做：

"<p><font>" + htmlentities(inner) + "</font></p>"

如果您能够做到这一点，将会减少很多麻烦。如果不能，您需要找到一种方法来跳过编码 <, >, 和 "（如上所述），或者直接对其进行编码，然后撤销它（例如：replace('&lt;', '<')）

5

无需翻译表或自定义函数的一行解决方案：

我知道这是一个老问题，但最近我不得不将一个静态网站导入到WordPress网站中，并且需要解决这个问题：

以下是我的解决方案，无需调整翻译表：

htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) );

当应用于OP的字符串时：

<p><font style="color:#FF0000">Camión español</font></p>

输出：

<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>

当应用于Luca的字符串时：

<b>Is 1 < 4?</b>è<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>€</strong><img src="/some/path" /></p></div>

输出：

<b>Is 1 < 4?</b>&egrave;<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>&euro;</strong><img src="/some/path" /></p></div>
2
我发现这个简单的代码确实可以正常运行。通常最好向下滚动以查看重新聚焦回答而不是所选答案。 - Arie
这应该只是 htmlspecialchars_decode( htmlentities( $string ) ); - 如果您不删除第三个函数调用，输入字符串 <p>The HTML you want is "1 &gt; 0"</p> 将变成 <p>The HTML you want is "1 > 0"</p>，这是不正确的，可能会存在安全漏洞。 - M Somerville
@M Somerville -- 不正确... 请先完整阅读OP的需求。重点是将可能已经编码的实体字符串转换为应该存在的HTML实体字符串，同时保持HTML标记--因此您必须使用html_entity_decode()--您能解释一下将HTML转换的安全风险吗？例如，没有提到公共表单提交...边缘情况不在本帖子的范围内--也许您可以开始一个解决您所指出问题的帖子。 - aequalsb
3
这是我刚写的一个函数，以非常优雅的方式解决了这个问题：
首先，从字符串中提取HTML标签，然后对每个剩余的子字符串执行htmlentities()，最后将原始HTML标签插入到它们的旧位置，从而不会改变HTML标签。:-)
玩得开心：
function htmlentitiesOutsideHTMLTags ($htmlText)
{
    $matches = Array();
    $sep = '###HTMLTAG###';

    preg_match_all("@<[^>]*>@", $htmlText, $matches);   
    $tmp = preg_replace("@(<[^>]*>)@", $sep, $htmlText);
    $tmp = explode($sep, $tmp);

    for ($i=0; $i<count($tmp); $i++)
        $tmp[$i] = htmlentities($tmp[$i]);

    $tmp = join($sep, $tmp);

    for ($i=0; $i<count($matches[0]); $i++)
        $tmp = preg_replace("@$sep@", $matches[0][$i], $tmp, 1);

    return $tmp;
}
感谢分享您的解决方案！如果您不介意，我对您的代码进行了一些更改，请查看我的答案。 - Luca Borrione
2

根据bflesch的答案，我对代码进行了一些更改以处理包含小于号、大于号、单引号或双引号的字符串。

function htmlentitiesOutsideHTMLTags ($htmlText, $ent)
{
    $matches = Array();
    $sep = '###HTMLTAG###';

    preg_match_all(":</{0,1}[a-z]+[^>]*>:i", $htmlText, $matches);

    $tmp = preg_replace(":</{0,1}[a-z]+[^>]*>:i", $sep, $htmlText);
    $tmp = explode($sep, $tmp);

    for ($i=0; $i<count($tmp); $i++)
        $tmp[$i] = htmlentities($tmp[$i], $ent, 'UTF-8', false);

    $tmp = join($sep, $tmp);

    for ($i=0; $i<count($matches[0]); $i++)
        $tmp = preg_replace(":$sep:", $matches[0][$i], $tmp, 1);

    return $tmp;
}



使用示例：

$string = '<b>Is 1 < 4?</b>è<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>€</strong><img src="/some/path" /></p></div>';
$string_entities = htmlentitiesOutsideHTMLTags($string, ENT_QUOTES | ENT_HTML401);
var_dump( $string_entities );

输出结果为：
string '<b>Is 1 &lt; 4?</b>&egrave;<br><i>&quot;then&quot;</i> <div style="some:style;"><p>gain some <strong>&euro;</strong><img src="/some/path" /></p></div>' (length=150)



您可以根据htmlentities手册传递任何ent标志。

感谢您让我更接近解决方案，但是我使用了您的解决方案与以下字符串，这并不完全符合我的要求 -<a href="http://google.com">google</a><p>这是段落</p> <aeiou>指定的无效标记应按原样显示</aeiou> <b>粗体</b> 小于号 - aaaaa<pppppp 所有特殊字符 = `,./;'[]~!@#$%^&*()_+{}|:"<>? 所有<b>字符</strong> - Raj
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接