htmlentities 不适用于表情符号答案

【问题标题】：htmlentites not working for emojihtmlentities 不适用于表情符号
【发布时间】：2016-04-29 14:40:39
【问题描述】：

我正在尝试显示一个字符 html 实体

echo htmlentities(htmlentities("&"));
//outputs &amp;
echo htmlentities(htmlentities("<"));
//outputs &lt;

但它似乎不适用于表情符号

echo htmlentities(htmlentities("????"));
//outputs ????

如何让它输出&#128526;？

编辑：

我正在尝试显示用户输入的字符串，其中包含所有已编码的 html 实体。
echo htmlentities(htmlentities($input))

示例： "this & that ????" -> "this &amp; that &#128526;"

【问题讨论】：

出于好奇.. 为什么要这样做？如果您要输出 unicode，则不需要实体。
echo htmlentities(htmlentities("&")); 输出&amp;amp;
如果内容类型是 text/html，则不会。第一个&转换为 &
@TonyBrix 否，您的浏览器显示为&amp;，但未转换，请检查页面来源
@Evert 我正在尝试向用户显示 html 实体代码

标签： php html-entities emoji

【解决方案1】：

$emoji = "\xF0\x9F\x98\x8E"; // 这是你的表情符号

我从convert unicode to html entities hex得到这个回调

$hex = preg_replace_callback('/[\x{80}-\x{10FFFF}]/u', function ($m) {
    $char = current($m);
    $utf = iconv('UTF-8', 'UCS-4', $char);
    return sprintf("&#x%s;", ltrim(strtoupper(bin2hex($utf)), "0"));
}, $emoji);

echo $hex;

echo json_encode(("\xF0\x9F\x98\x8E")); // 已解码。 htmlentities 不适用于它。

这样好吗？

【讨论】：

这不适用于常规的 html 实体。我要转换的字符串是用户输入的，所以我不知道它是“?”还是“&”还是“A”。我需要一个函数，它接受任何输入并输出一个带有 html 实体编码的字符串
输入也可以是多个字符的字符串
如何使用类似的东西而不是 htmlentities ？ php.net/manual/en/function.bin2hex.php#48861 你可能需要做一个基准测试。不过看起来还可以。
顺便说一句，无法使用 html_special_chars 或 htmlentities 清理这些输入，请查看此内容。 github.com/php/php-src/blob/PHP-5.6.18/ext/standard/tests/… 它是用于 htmlentities 和特殊字符的表格

【解决方案2】：

这当然适用于常规 HTML 实体、UTF-8 表情符号（和其他 utf 内容）以及常规字符串。

我只是遇到了空字符串值的问题，所以我不得不将这个条件放入函数中。

function entities( $string ) {
    $stringBuilder = "";
    $offset = 0;

    if ( empty( $string ) ) {
        return "";
    }

    while ( $offset >= 0 ) {
        $decValue = ordutf8( $string, $offset );
        $char = unichr($decValue);

        $htmlEntited = htmlentities( $char );
        if( $char != $htmlEntited ){
            $stringBuilder .= $htmlEntited;
        } elseif( $decValue >= 128 ){
            $stringBuilder .= "&#" . $decValue . ";";
        } else {
            $stringBuilder .= $char;
        }
    }

    return $stringBuilder;
}

// source - http://php.net/manual/en/function.ord.php#109812
function ordutf8($string, &$offset) {
    $code = ord(substr($string, $offset,1));
    if ($code >= 128) {        //otherwise 0xxxxxxx
        if ($code < 224) $bytesnumber = 2;                //110xxxxx
        else if ($code < 240) $bytesnumber = 3;        //1110xxxx
        else if ($code < 248) $bytesnumber = 4;    //11110xxx
        $codetemp = $code - 192 - ($bytesnumber > 2 ? 32 : 0) - ($bytesnumber > 3 ? 16 : 0);
        for ($i = 2; $i <= $bytesnumber; $i++) {
            $offset ++;
            $code2 = ord(substr($string, $offset, 1)) - 128;        //10xxxxxx
            $codetemp = $codetemp*64 + $code2;
        }
        $code = $codetemp;
    }
    $offset += 1;
    if ($offset >= strlen($string)) $offset = -1;
    return $code;
}

// source - http://php.net/manual/en/function.chr.php#88611
function unichr($u) {
    return mb_convert_encoding('&#' . intval($u) . ';', 'UTF-8', 'HTML-ENTITIES');
}

/* ---- */

var_dump( entities( "&" ) ) . "\n";
var_dump( entities( "<" ) ) . "\n";
var_dump( entities( "?" ) ) . "\n";
var_dump( entities( "☚" ) ) . "\n";
var_dump( entities( "" ) ) . "\n";
var_dump( entities( "A" ) ) . "\n";
var_dump( entities( "Hello ? world" ) ) . "\n";
var_dump( entities( "this & that ?" ) ) . "\n";

【讨论】：

【解决方案3】：

htmlentities 文档指出

所有具有 HTML 字符实体等价物的字符都是翻译成这些实体。

您的 emoji 没有类似 &lt; 的对应 <，因此它不会被转换。 &#128526; 只是一个 HTML 代码，而不是 HTML 实体。

function htmlEntitiesOrCode($string) {
    //try htmlentities first
    $result = htmlentities($string, ENT_COMPAT, "UTF-8");

    //if the output is different from input, an entity was returned
    if ($result != $string) {
        return $result;
    }

    //get the html code
    $offset = 0;
    $code = ord(substr($string, $offset,1));
    if ($code >= 128) {
        if ($code < 224) {
            $bytesnumber = 2;
        } else if ($code < 240) {
            $bytesnumber = 3;
        } else if ($code < 248) {
            $bytesnumber = 4;
        }
        $codetemp = $code - 192 - ($bytesnumber > 2 ? 32 : 0) - ($bytesnumber > 3 ? 16 : 0);
        for ($i = 2; $i <= $bytesnumber; $i++) {
            $offset ++;
            $code2 = ord(substr($string, $offset, 1)) - 128;
            $codetemp = $codetemp*64 + $code2;
        }
        $code = $codetemp;
    }
    $offset += 1;
    if ($offset >= strlen($string)) {
        $offset = -1;
    }

    $result = "&#" . $code;
    return $result;
}

HTML 代码函数取自这里：http://php.net/manual/en/function.ord.php#109812

【讨论】：