Question

我有这样的xml：

<formula type="inline">
    <default:math xmlns="http://www.w3.org/1998/Math/MathML">
        <default:mi>
            &Zopf;
        </default:mi>
    </default:math>
</formula>

我的目标是通过用数字实体演示替换它们来摆脱所有特殊实体，例如&Zopf;。

我试过了：

$test    = <content of the xml>;
$convmap = array(0x80, 0xffff, 0, 0xffff);
$test    = mb_encode_numericentity($test, $convmap, 'UTF-8');

但这不会取代&Zopf;任何想法吗？

我的目标是获得：

&#8484;

如下所示：http://www.fileformat.info/info/unicode/char/2124/index.htm

谢谢。

Answer 1

您的转换器正在将您的LaTeX转换为MathML，而不是HTML实体。您需要能够直接转换为HTML字符引用的内容，或MathML to HTML character reference converter。

您应该可以使用htmlentities：

htmlentities($symbolsToEncode, ENT_XML1, 'UTF-8');

http://pt1.php.net/htmlentities

您可以将ENT_XML1更改为ENT_SUBSTITUTE，它将返回Unicode替换字符或十六进制字符引用。

作为替代方案，您可以使用strtr将字符转换为您指定的字符：

$chars = array(
    "\x8484" => "&#x8484;"
    ...
);

$convertedXML = strtr($xml, $chars);

http://php.net/strtr

Someone has done something similar on GitHub

Answer 2

所以你需要首先解码命名实体：

function decodeNamedEntities($string) {
  static $entities = NULL;
  if (NULL === $entities) {
    $entities = array_flip(
      array_diff(
        get_html_translation_table(HTML_ENTITIES, ENT_COMPAT | ENT_HTML5, 'UTF-8'),
        get_html_translation_table(HTML_ENTITIES, ENT_COMPAT | ENT_XML1, 'UTF-8')
      )
    );
  }
  return str_replace(array_keys($entities), $entities, $string);
}

之后，如果确实需要，您可以使用htmlentities以不同的格式对其进行编码。

PHP如何将文本编码为数字实体？

2 个答案: