php - 编码奇数 HTML 实体 '&lstroke;'

Question

我遇到一些奇怪的 HTML 实体问题，这些实体来 self 必须在 PHP 5.6 中解析的 XML 文件。

一些 HTML 实体是:

&lstroke;
n´
a&hook;
e&hook;

XML 来自 CAB Abstracts ( http://www.cabi.org/publishing-products/online-information-resources/cab-abstracts/ )，它的标题是:

<?xml version="1.0" encoding="ISO-8859-1"?>

但是，我尝试了几种编码系统都没有成功。此外，我尝试过直接在 HTML 文件中使用它们，使用 html_entity_decode 从 PHP 5.6 编写它们，如下所示:

$strings = array('Świa&hook;tek', 'Kie&lstroke;kiewicz', 'Zagdan´ska', 'Mie&hook;tkiewski');

foreach ($strings as $s) {
    foreach (array(
            'ISO-8859-1', 'ISO-8859-5', 'ISO-8859-15', 'UTF-8',
            'cp866', 'cp1251', 'cp1252', 'KOI8-R', 'BIG5', 'GB2312',
            'BIG5-HKSCS', 'Shift_JIS', 'EUC-JP', 'MacRoman', '') as $l) {
        print $l . ' ==> ';
        print html_entity_decode($s, ENT_COMPAT | ENT_QUOTES | ENT_XML1 | ENT_XHTML | ENT_HTML5, $l) . '<br>';
    }
}

没有任何效果!!

我想避免任何类型的解决方案，包括解析 XML 文件以正确的 UTF-8 字符替换这些实体。我无法预见什么时候会包含这些奇怪的 HTML 实体，并且文件相对较大。

字符串应该如下所示:

Świątek
Kiełkiewicz
Zagdańska 
Miętkiewski

所以，问题是:

如何在 PHP 中将这些奇怪的 HTML 实体解码为 UTF-8？

Answer 1

看起来这是一个自己的标准来编码波兰语字母。不会有内置功能。 Ą、ą、Ę 和 ę 的官方变音符号被称为 ogonek(波兰语和英语) . ´ 用于间距变体，在此上下文中应使用组合变体。

我认为最好的选择是以 UTF-8 对输出进行编码并对所有这些特殊字符使用 strtr()。您不必解析 XML，您可以将其视为纯文本。