Question

我目前正在尝试提供XHTML5。目前我在我正在处理的页面上提供XHTML 1.1 Strict。这是我为有能力的浏览器做的。对于那些不接受XML编码数据的人，我又回到了HTML4.1 strict。

在尝试使用HTML5时，在以HTML5格式发布时，所有内容都或多或少地按预期工作。我作为XHTML5交付时遇到的第一个问题是HTML实体。 FF4 sais ü是一个未定义的实体。因为没有HTML5 DTD。

我读到HTML5 wiki目前建议：

不要在XHTML中使用实体引用（5个预定义实体除外：&，<，>，"和'）

我在某些地方确实需要<，>。因此，我的问题是PHP解码除上述五个实体之外的所有实体的最佳方法。 html_entity_decode()对所有这些进行解码，那么是否有合理的方法可以排除某些内容？

更新

我目前采用了简单的替换/替换方法，所以除非真的有一种优雅的方式，否则问题就能满足我的直接需求。

function non_html5_entity_decode($string)
{
    $string = str_replace("&amp;",'@@@AMP',
                        str_replace("&apos;",'@@@APOS',
                        str_replace("&lt;",'@@@LT',
                        str_replace("&gt;",'@@@GT',
                        str_replace("&quot;",'@@@QUOT',$string)))));
    $string = html_entity_decode($string);
    $string = str_replace('@@@AMP',"&amp;",
                        str_replace('@@@APOS',"&apos;",
                        str_replace('@@@LT',"&lt;",
                        str_replace('@@@GT',"&gt;",
                        str_replace('@@@QUOT',"&quot;",$string)))));
    return $string;
}

Answer 1

关于通用转换的

支持：使用默认参数的html_entity_decode不会删除all named entities，只会删除旧HTML 4.01标准中定义的少数参数。因此©（©）等实体将被转换;但有些像+（+），不是。要转换所有命名实体，请在第二个参数（！）中使用ENT_HTML5。

此外，如果目标编码不是UTF8，则无法重新接收上级（至255）名称，例如&Ascr;（?）thar是119964＆gt; 255.

因此，要转换“所有可能的命名实体”，您必须使用html_entity_decode($s,ENT_HTML5,'UTF-8') ，但它仅对PHP5.3 +有效，其中实现了ENT_HTML5标志。

在这个问题的特定情况下，必须使用标志ENT_NOQUOTES而不是默认的ENT_COMPAT，因此，必须使用html_entity_decode($s,ENT_HTML5|ENT_NOQUOTES,'UTF-8')

PS（已编辑）：感谢@BoltClock记住PHP5.3 +。

Answer 2

我认为html_entity_decode()后跟htmlspecialchars()是最简单的方法。

虽然不会转换' - 为此，您必须先htmlspecialchars()，然后将'转换为&apos。

使用PHP删除除5个预定义HTML实体之外的所有实体的最佳方法 - 用于XHTML5输出

2 个答案: