Question

我在网上发现了很多关于这个主题的不同/不一致的信息，所以我希望有人可以帮我解决这些问题：

我需要一个函数来清理字符串，以便可以安全地插入到utf-8 mysql数据库或写入utf-8 XML文件。应删除无法转换为utf-8的字符。

为了写入XML文件，我也遇到了将html实体转换为数字实体的问题。 htmlspecialchars（）几乎一直在工作，但我已经读过，它不足以正确清理所有字符串，例如包含无效html实体的字符串。

感谢你的帮助，Brian

Answer 1

您没有说明字符串的来源，但如果您是从HTML表单提交中获取它们，请参阅此文章：

Setting the character encoding in form submit for Internet Explorer

长短，您需要明确告诉浏览器您希望表单提交的字符集。如果指定UTF-8，则永远不应从浏览器获取无效的UTF-8。如果您想保护自己免受任何类型的恶意攻击，您需要使用iconv：

http://www.php.net/iconv

$ utf_8_string = iconv（$ from_charset，$ to_charset，$ original_string）;

如果将$ utf-8指定为$ from_charset和$ to_charset，则如果$ original_string包含无效的UTF-8，则iconv（）应返回错误。

如果您从不同的来源获取字符串并且您知道字符编码，则仍然可以使用iconv（）。美国的典型编码是CP-1252（Windows）和ISO-8859-1（其他一切）。

Answer 2

这样的东西？

function cleanse($in) {
    $bad = Array('”', '“', '’', '‘');
    $good = Array('"', '"', '\'', '\'');
    $out = str_replace($bad, $good, $in);
    return $out;
}

Answer 3

您可以使用iconv或mbstring将字符串从任何编码转换为UTF-8：

// With the //IGNORE flag, this will ignore invalid characters
iconv('input-encoding', 'UTF-8//IGNORE', $the_string);

或

mb_convert_encoding($the_string, 'UTF-8', 'input-encoding');

使用PHP / Mysql的UTF-8，XML和htmlentities

3 个答案: