iso-8895-1 到 xml 可接受的 UTF-8答案

【问题标题】：iso-8895-1 to xml acceptable UTF-8iso-8895-1 到 xml 可接受的 UTF-8
【发布时间】：2010-10-21 18:29:54
【问题描述】：

我正在将网页中的文本/html 解析为 xml 提要，文本/html 编码为 iso-8895-1，而 XML 提要必须为 UTF-8。我使用了 html 实体，但不得不手动替换大量字符，这是我目前所拥有的（仍然没有解析所有文本）

$desc = str_replace(array("\n", "\r", "\r\n"),"",$desc);
    $desc = str_replace(array("’","‘","”","“"),"'",$desc);
  $desc = str_replace("£","&pound;",$desc);
    $desc = str_replace("é","&eacute;",$desc);
    $desc = str_replace("²","2",$desc);
    $desc = str_replace(array("-","•"),"&dash;",$desc);
$desc = htmlentities($desc, ENT_QUOTES, "UTF-8");

【问题讨论】：

看起来您正在通过将字符串粘合在一起来构建 XML。不要那样做。使用 XML 库，您可以告诉它您的输出编码，它会满足您的任何编码需求。（htmlentities 不会这样做，因为除了少数之外，所有这些都未定义用于任意 XML）
实际上我正在使用 $xml = new DOMDocument('1.0', 'UTF-8'); 构建我的 xml并遍历附加子节点和文本节点的数组。这只是为其中一个节点准备文本。

标签： php xml utf-8

【解决方案1】：

使用iconv()。它还允许您在 UTF-8 中使用本机字符 - 无需 HTML 实体。

$data = iconv("ISO-8859-1", "UTF-8", $text);

在将从 UTF-8 编码到另一个字符集时，使用 IGNORE 或 TRANSLIT 删除或音译不可翻译的字符。

另外，@Gumbo 显示的 mb_* 函数也可以工作。

【讨论】：

+1，可能添加//TRANSLIT 以防止无法在 ISO-8859-1 中表示的字符破坏字符串。
嗯，ISO 8859-1的字符集是Unicode字符集的一个子集。所以没有必要忽略或音译任何东西，因为没有区别：charset(ISO 8859-1) \ charset(Unicode) = ∅.
不要忘记也修改任何给出字符集的META标签，因为之后它可能会不准确。
@Ignacio Vazquez-Abrams：XML 提要可能没有META 元素——至少我所知道的没有。

【解决方案2】：

您也可以使用utf8_encode 或mb_convert_encoding：

$desc = utf8_encode($desc);
// OR
$desc = mb_convert_encoding($dest, 'UTF-8', 'ISO-8859-1');

两者都会将编码从 ISO 8859-1 转换为 UTF-8。

【讨论】：