Question

我有一组Word文档，我想使用我编写的PHP工具发布。我将Word文档复制并粘贴到文本框中，然后使用PHP程序将它们保存到MySQL中。我遇到的问题来自Word文档的所有非标准字符，如引号和省略号（“...”）。我现在所做的是手动搜索并用纯文本或HTML实体替换这些东西（以及外来符号，如e-acute）（＆amp; eacute;等等）PHP中是否有一个函数我可以调用它将获取Word文档的输出并将应该是实体的所有内容转换为实体，以及将在Firefox中无法正确显示的其他符号转换为显示的符号。

谢谢！

Answer 1

过去这对我有好处：

$str = mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8')

Answer 2

更好的解决方案是确保您的数据库设置为支持UTF-8字符。扩展集中可用的其他字符应涵盖您正在讨论的所有“非标准”字符。

否则，如果您确实必须将这些字符转换为HTML实体，请使用htmlentities()。

Answer 3

我认为所有这些答案都错过了一个重要的观点。 Windows本身使用latin1的windows风格，所以如果你将一些特殊字符（如不对称的引号）粘贴到Windows机器上的一个表单中，然后发送到unix（或任何非muckrosoft）框（对于数据库）或者其他任何一些字符与unix系统所理解的任何东西都不匹配，因此混淆和乱码的字符。这意味着即使你有一个UTF-8数据库，并使用htmlentities，一些恶意仍然会通过，因为它们是操作系统无法识别的字符 - 它们甚至不是UTF-8的一部分 - 是微软唯一的发明。我想知道一个光滑的解决方案 - 我所做的是手动将我遇到的仅限微软的字符的字符代码列入UTF-8字符的（也是手动的）列表中，为所有这些字符执行str_replace，以及然后，你可以随心所欲地做任何事情 - iconv，htmlentities，直接保存到utf8数据库，重要的不再是。

我对这一切的把握有点不稳定 - 请查看http://www.cs.tut.fi/~jkorpela/www/windows-chars.html以获得一个很好的解释，我已将其简化为上面的简短形式。 - 如果有人有更好的解决方案（肯定有一个！）如何PHP化本文解释的内容...我很乐意听到它！

Answer 4

htmlspecialchars（）会让你走得很远，但请注意，因为Word文档很乱。

Answer 5

这是我用非便携式Windows字符集解决问题的解决方案。这将使用等效的HTML实体替换有问题的几乎拉丁语1个字符。

$translation=array(
    // reference from http://www.cs.tut.fi/~jkorpela/www/windows-chars.html
    "\x82" => "&#8218;",
    "\x83" => "&#402;",
    "\x84" => "&#8222;",
    "\x85" => "&#8230;",
    "\x86" => "&#8224;",
    "\x87" => "&#8225;",
    "\x88" => "&#710;",
    "\x89" => "&#8240;",
    "\x8a" => "&#352;",
    "\x8b" => "&#8249;",
    "\x8c" => "&#338;",
    "\x91" => "&#8216;",
    "\x92" => "&#8217;",
    "\x93" => "&#8220;",
    "\x94" => "&#8221;",
    "\x95" => "&#8226;",
    "\x96" => "&#8211;",
    "\x97" => "&#8212;",
    "\x98" => "&#732;",
    "\x99" => "&#8482;",
    "\x9a" => "&#353;",
    "\x9b" => "&#8250;",
    "\x9c" => "&#339;",
    "\x9f" => "&#376;",
);    
return str_replace(array_keys($translation),array_values($translation),$input);

适用于我^TM

在Word中将Word文档转换为可用的HTML

5 个答案: