无法解码某些特殊字符“”

Question

我试图在php中解码一些特殊字符，但似乎无法找到方法。

 $str = 'Thi’s i"s a’n e”xa“mple';

这只会返回一些点。

$str = preg_replace_callback("/(&#[0-9]+;)/", function($m) {
    return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES");
}, $str);

其他一些测试只返回相同的字符串。

$str = html_entity_decode($str, ENT_QUOTES, 'UTF-8');
$str = htmlspecialchars_decode($str, ENT_QUOTES);

无论如何，我一直在尝试各种组合，但实际上并不知道如何将其转换为UTF-8字符。

我期待看到的是：

Thi’s i"s a’n e”xa“mple

实际上，如果我直接使用它并使用htmlentities对其进行编码，我会看到不同的字符开头。

Thi’s i"s a’n e”xa“mple

不幸的是，我无法掌控来源，而且我处理了这些角色。

它们是非标准的，我是否需要使用自己的查找表手动替换它们？

修改

在此处查看此表：https://brajeshwar.github.io/entities/

我看到我未照片的人物未列出。当我从这个表中测试几个字符时，它们解码得很好。我猜php中的列表默认是不完整的？

Answer 1

如果您检查您所指的字符的unicode标准：http://www.unicode.org/charts/PDF/U0080.pdf

您会看到字符串中的所有代码点都没有可表示的字形并且是控制字符。

这意味着它们会被渲染为空方块（或点，取决于渲染器如何处理它们）。

如果它适用于某个地方的某个人 - 这是一种非标准的行为，一个人不能依赖，因为它是非标准的。

显然，您拥有的文本具有cp1250的初始编码，因此您应该相应地对其进行处理，或者手动重新编码实体：

$str = 'Thi’s i"s a’n e”xa“mple';

$str = preg_replace_callback("/&#([0-9]+);/u", function($m) {
    return iconv('cp1250', 'utf-8', chr($m[1]));
}, $str);

echo $str;