如何在PHP中将HTML字符数字转换为普通字符？

Question

我有一些HTML数据（我无法控制，只能读取），其中包含许多斯堪的纳维亚字符（如å、ä、ö、æ、ø等）。这些“特殊”字符被存储为HTML字符数字（æ = æ）。我需要在PHP中将它们转换为相应的实际字符（或JavaScript，但我想在这里使用PHP更好...）。似乎html_entity_decode()只处理“其他”类型的实体，其中æ = &#aelig;。到目前为止，我想到的唯一解决方案是制作一个转换表，并将每个字符数字映射到实际字符，但这并不是非常聪明的做法...所以，有什么想法吗？ ;)

祝好， Christofer

- cpak

---

html_entity_decode() 对你来说有什么问题？你传递的字符集参数是什么？在我的测试中似乎可以正常工作... - Matt Gibson

是的，结果证明它完美地运行了...如果你正确地阅读了手册 ;) 谢谢！ - cpak

Answer 1

&#NUMBER;

指的是该字符的Unicode值。

因此，您可以使用一些正则表达式，例如：

/&#(\d+);/g

想获取数字，我不会PHP，但我相信你可以通过谷歌搜索将数字转化为其Unicode等效字符的方法。

然后只需用该字符替换您的正则表达式匹配即可。

编辑：实际上，您可以使用以下内容：

mb_convert_encoding('æ', 'UTF-8', 'HTML-ENTITIES');

- Andrew Bullock

Answer 2

我认为html_entity_decode()应该可以正常工作。你尝试时会发生什么：

echo html_entity_decode('æ', ENT_COMPAT, 'UTF-8');

- Matt Gibson

Answer 3

在PHP手册页面上的html_entity_decode()，它提供了以下代码，用于解码PHP 4.3.0之前版本中的数字实体：

  $string = preg_replace('~&#x([0-9a-f]+);~ei', 'chr(hexdec("\\1"))', $string);
  $string = preg_replace('~&#([0-9]+);~e', 'chr("\\1")', $string);

正如评论中有人指出的那样，你应该用unichr()替换chr()来处理非ASCII字符。

然而，看起来html_entity_decode()确实应该处理数字实体和文字实体。你是否指定了适当的字符集（例如UTF-8）？

- ngroot

Answer 4

如果您没有安装多字节字符串函数的奢侈，可以使用类似以下的东西：

<?php

    $string = 'Here is a special char &#230;';

    $list = preg_replace_callback('/(&#([0-9]+);)/', create_function(
        '$matches', 'return decode(array($matches[2]));'
    ), $string);

    echo '<p>', $string, '</p>';
    echo '<p>', $list, '</p>';

    function decode(array $list)
    {
        foreach ($list as $key=>$value) {
            return utf8_encode(chr($value));
        }
    }


?>

- Nev Stokes