php - 无法解码某些特殊字符

Question

我正在尝试解码 php 中的一些特殊字符，但似乎无法找到实现它的方法。

 $str = 'Thi’s i"s a’n e”xa“mple';

这只会返回一些点。

$str = preg_replace_callback("/(&#[0-9]+;)/", function($m) {
    return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES");
}, $str);

其他一些测试只返回相同的字符串。

$str = html_entity_decode($str, ENT_QUOTES, 'UTF-8');
$str = htmlspecialchars_decode($str, ENT_QUOTES);

无论如何，我一直在尝试各种组合，但真的不知道如何将其转换为 UTF-8 字符。

我期待看到的是:

Thi’s i"s a’n e”xa“mple

实际上，如果我直接使用它并使用 htmlentities 对其进行编码，我会看到不同的字符开头。

Thi’s i"s a’n e”xa“mple

不幸的是，我无法控制源代码，我只能处理这些字符。

它们是非标准的吗，我需要用我自己的查找表手动替换它们吗？

编辑

在这里查看此表:https://brajeshwar.github.io/entities/

我发现我要关注的角色没有列出。当我测试这个表中的几个字符时，它们解码得很好。我想默认情况下 php 中的列表是不完整的？

Answer 1

如果您检查所指字符的 unicode 标准:http://www.unicode.org/charts/PDF/U0080.pdf

您会看到字符串中的所有代码点都没有可表示的字形，而是控制字符。

这意味着它们应该被呈现为空方 block (或点，取决于您的渲染器如何处理它们)。

如果它适用于某个地方的某人 - 这是一种非标准行为，不能依赖它，因为它是非标准的。

显然，您拥有的文本具有 cp1250 的初始编码，因此您应该相应地处理它，或者手动重新编码实体:

$str = 'Thi’s i"s a’n e”xa“mple';

$str = preg_replace_callback("/&#([0-9]+);/u", function($m) {
    return iconv('cp1250', 'utf-8', chr($m[1]));
}, $str);

echo $str;