在 PHP 中将非 UTF-8 格式的字段作为 UTF-8 获取？答案

【问题标题】：Get non-UTF-8-form fields as UTF-8 in PHP?在 PHP 中将非 UTF-8 格式的字段作为 UTF-8 获取？
【发布时间】：2010-10-07 08:12:50
【问题描述】：

我有一个以非 UTF-8 格式提供的表单（实际上是在 Windows-1251 中）。当然，人们会在那里发布他们喜欢的任何角色。浏览器有助于将 unpresentable-in-Windows-1251 字符转换为 html 实体，因此我仍然可以识别它们。例如，如果用户键入 →，我会收到 &amp;#8594;。这部分很棒，例如，如果我只是回显它，浏览器无论如何都会正确显示 →。

问题是，我实际上在显示之前对文本做了一个 htmlspecialchars()（这是一个将特殊字符转换为 HTML 实体的 PHP 函数，例如 & 变为 &amp;）。我的用户有时会输入&mdash; 或&copy; 之类的内容，而我想将它们显示为实际的&mdash; 或&copy;，而不是- 和©。

我无法区分 → 和 &amp;#8594;，因为我把它们都当作 &amp;#8594;。而且，由于我 htmlspecialchars () 文本，和我还从浏览器中获得了一个 → 的 &amp;#8594;，我回显了一个 &amp;#8594;，它在浏览器中显示为 &amp;#8594;。所以用户的输入被破坏了。

有没有办法说：“好的，我在 Windows-1251 中提供此表单，但是您请把输入的 UTF-8 发送给我，让我自己处理” ?

哦，我知道将整个软件切换到 UTF-8 是个好主意，但这工作量太大，我很乐意快速解决这个问题。如果这很重要，表单的 enctype 是“multipart/form-data”（包括文件上传器，因此不能使用任何其他 enctype）。我使用 Apache 和 PHP。

谢谢！

【问题讨论】：

标签： php html utf-8 webforms

【解决方案1】：

浏览器有助于将 unpresentable-in-Windows-1251 字符转换为 html 实体

嗯，差不多，只是它一点用都没有。现在你无法区分真正的“ƛ”有人键入并期望它以带有“&”和“Б”字符的文本字符串形式出现。

我实际上在显示之前对文本做了一个htmlspecialchars()

是的。您必须这样做，否则您会遇到安全问题。

好的，我在 Windows-1251 中提供此表单，但请您将输入的 UTF-8 发送给我，让我自己处理

是的，假设您在表单标签中发送“accept-charset="UTF-8"”。但现实情况是，这在 IE 中不起作用。要获取 UTF-8 格式的表单，您必须发送 UTF-8 格式的表单（页面）。

我知道最好将整个软件切换到 UTF-8，

是的。好吧，至少包含表单的页面的编码应该是UTF-8。

【讨论】：

是的 .. 即使您在内部使用了一些劣质的字符串表示，也请务必以 UTF-8 显示页面并进行转换。

【解决方案2】：

<form action="action.php" method="get" accept-charset="UTF-8">
    <!-- some elements -->
</form>

所有浏览器都应该以accept-charset 中指定的编码返回值。

【讨论】：

他们应该，但他们不。 Internet Explorer 不支持接受字符集：w3schools.com/TAGS/att_form_accept_charset.asp
@Christian：在 IE 中似乎有一些黑客可以做到这一点：stackoverflow.com/questions/153527/…
@ChristianDavén 您链接的页面并未声明 IE 不支持它，相反。但是This page 确实如此。

【解决方案3】：

您检查字符是否在特定范围内。如果它们超出标准 UTF-8 字符的范围，请随心所欲地使用它。我会通过查看每个字符 &、#、8、5、9、4 来做到这一点，并将其解析为您可以应用的东西。

找不到有人创建了 Windows-1251 到 UTF-8 转换脚本的地方，您可能不得不自己动手。您可能必须查看每个特定角色，看看需要对它做什么。如果它类似于 ©您将希望以不同于 → 的方式处理它因为第二个里面有#。

我认为这回答了你的问题。

【讨论】：

【解决方案4】：

html_entity_decode 函数可能就是你想要的。

【讨论】：

【解决方案5】：

您可以将htmlspecialchars function（double_encode，自 PHP 5.2.3 起）的第四个参数设置为 false，这样可以避免再次对字符引用进行编码。

或者你首先解码那些现有的字符引用。

【讨论】：

【解决方案6】：

您可以使用 PHP multi-byte functions 将字符串转换为 UTF-8。从那里你可以做你想做的事。尤其是 mb_convert_encoding() 将其从 windows-1251 移动到 UTF-8 或其他任何位置。

我不太明白你的问题，因为如果有人输入 &作为文本字符串，当您执行 htmlspecialchars() 时应将其转换为 & ...当通过html_entity_decode() 运行返回时，它将作为用户输入的文本字符串出现。

当然，如果您在通过htmlspecialchars() 运行字符串时没有使用double_encode 选项

【讨论】：

【解决方案7】：

mbstring 支持“字符集”HTML 实体

for($i=0; $i

61 20 E2 86 92 20 62 20 26 20 63

E2 86 92 是 utf8 中 → (RIGHTWARDS ARROW) 的字节序列。

【讨论】：

【解决方案8】：

您将无法区分将代码点转换为实体的浏览器和您输入实体的用户，因为它们看起来相同。真正的解决方案是放弃 Windows 1251。取而代之的是，以 UTF-8 提供网页和表单，要求使用 UTF-8 编码，所有这些问题都会消失。

【讨论】：