php - 清理 Feed 聚合器的 RSS Feed 内容

Question

我正在用 PHP 构建一个 RSS 提要聚合器/阅读器。由于 RSS 本质上是用户生成的内容，因此我不想依赖提要内容的安全性。

我正在寻求有关清理供稿内容以便在用户设备上存储和显示的建议。目前，我正在使用 htmlentities(feed_content) 转义所有字符，但这不起作用，因为它 UTF-8 编码的字符无法在 Javascript 中解码(我用于前端构建) .

- Original: "Soundtrack: Dinosaur Jr. - Don’t Pretend You Didn’t Know I hadn’t thought much..."

- After htmlentities: "Copyright-Infringing Tweets Will Now Be “Withdrawn” Instead of “Disappeared..."

- After JS decodeURI: "Copyright-Infringing Tweets Will Now Be “Withdrawn” Instead of “Disappeared..."

如果我删除上面的 htmlentities，文本将正确显示。但我不确定这是否是确保数据得到净化的正确方法

Answer 1

将正确的字符集传递给 htmlencode:

echo htmlentities($str, ENT_QUOTES, "UTF-8");

...但通常没有必要这样做。只需确保设置正确的 header ，以便浏览器正确解释为 utf8:

header('Content-Type: text/html; charset=utf-8');

或者如果您使用 json 加载:

header('Content-type: application/json; charset=utf-8');