DOMDocument:loadHTML() 正在转换 htmlentities

Question

一个相关的问题是Preventing DOMDocument::loadHTML() from converting entities，但它没有产生解决方案。

这段代码：

$html = "<span>&#x1F183;&#x1F174;&#x1F182;&#x1F183;</span>";
$doc = new DOMDocument;
$doc->resolveExternals = false;
$doc->substituteEntities = false;
$doc->loadhtml($html);
foreach ($doc->getElementsByTagName('span') as $node)
{
    var_dump($node->nodeValue);
    var_dump(htmlentities($node->nodeValue));
    var_dump(htmlentities(iconv('UTF-8', 'ISO-8859-1', $node->nodeValue)));
}

生成此 HTML：

string(16) "????????????????"
string(16) "????????????????"
string(0) ""

但我想要的是🆃🅴🆂🆃

我正在运行 PHP 版本 5.6.29，ini_get("default_charset") 返回 UTF-8

Answer 1

阅读更多关于http://php.net/manual/en/function.htmlentities.php 的内容后，我注意到它并没有编码所有的unicode。有人在 cmets 中写了superentities，但该功能似乎对我不起作用。 UTF8entities 函数做到了。

这是我从评论部分和代码修改的两个函数，虽然不是我想要的，但它确实给了我 html 编码的值。

$html = "<span>&#x1F183;&#x1F174;&#x1F182;&#x1F183;</span>";
$doc = new DOMDocument;
$doc->resolveExternals = false;
$doc->substituteEntities = false;
$doc->loadhtml($html);
foreach ($doc->getElementsByTagName('span') as $node)
{
    var_dump(UTF8entities($node->nodeValue));
}


function UTF8entities($content="") {        
    $characterArray = preg_split('/(?<!^)(?!$)/u', $content );  // return array of every multi-byte character
    foreach ($characterArray as $character) {
        $rv .= unicode_entity_replace($character);
    }
    return $rv;
}

function unicode_entity_replace($c) { //m. perez 
    $h = ord($c{0});    
    if ($h <= 0x7F) { 
        return $c;
    } else if ($h < 0xC2) { 
        return $c;
    }

    if ($h <= 0xDF) {
        $h = ($h & 0x1F) << 6 | (ord($c{1}) & 0x3F);
        $h = "&#" . $h . ";";
        return $h; 
    } else if ($h <= 0xEF) {
        $h = ($h & 0x0F) << 12 | (ord($c{1}) & 0x3F) << 6 | (ord($c{2}) & 0x3F);
        $h = "&#" . $h . ";";
        return $h;
    } else if ($h <= 0xF4) {
        $h = ($h & 0x0F) << 18 | (ord($c{1}) & 0x3F) << 12 | (ord($c{2}) & 0x3F) << 6 | (ord($c{3}) & 0x3F);
        $h = "&#" . $h . ";";
        return $h;
    }
}

返回这个：

string(36) "🆃🅴🆂🆃"