UTF-8、XML 和 htmlentities 与 PHP / Mysql答案

【问题标题】：UTF-8, XML, and htmlentities with PHP / MysqlUTF-8、XML 和 htmlentities 与 PHP / Mysql
【发布时间】：2011-01-19 17:56:10
【问题描述】：

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助我解决这些问题：

我需要一个函数来清理字符串，以便安全地插入 utf-8 mysql db 或写入 utf-8 XML 文件。不能转换为 utf-8 的字符应该去掉。

为了写入 XML 文件，我还遇到了将 html 实体转换为数字实体的问题。 htmlspecialchars() 几乎一直有效，但我读到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。

谢谢你的帮助，布赖恩

【问题讨论】：

标签： php xml utf-8 html-entities

【解决方案1】：

您没有说明字符串的来源，但如果您从 HTML 表单提交中获取它们，请参阅这篇文章：

Setting the character encoding in form submit for Internet Explorer

无论长短，您都需要明确地告诉浏览器您希望提交表单的字符集。如果您指定 UTF-8，则永远不应从浏览器获得无效的 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);

如果您将“utf-8”同时指定为 $from_charset 和 $to_charset，如果 $original_string 包含无效的 UTF-8，iconv() 应该返回错误。

如果您从其他来源获取字符串并且知道字符编码，您仍然可以使用 iconv()。美国的典型编码是 CP-1252 (Windows) 和 ISO-8859-1（其他所有）。

【讨论】：

【解决方案2】：

这样的？

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

【讨论】：

【解决方案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');

【讨论】：