如何将Word智能引号和em破折号转换为字符串?

http://www.joelonsoftware.com/articles/Unicode.html

mysql数据库使用UTF-8 编码。同样,html页面 显示正在使用的内容的

HTML的内容可以是UTF-8格式,是的,但是您是否也明确地将HTML页面(通过PHP生成)的内容类型(编码)设置为UTF-8?尝试返回一个 Content-Type 页眉 "text/html;charset=utf-8" 或添加 <meta> 标记到您的HTMLs:

<meta http-equiv="Content-Type" content="text/html;charset=utf-8"/>

这样,提交给PHP的数据的内容类型也将相同。

<meta> tag为我工作。

听起来真正的问题是数据库没有使用与页面相同的字符编码(可能应该是UTF-8)。在这种情况下,如果任何用户提交非ASCII字符,您可能会在数据库中看到奇怪的字符。仅仅查找和修复其中的一些(卷曲引号和em破折号)并不能解决真正的问题。

migrating your database to another character encoding ,至少对于MySQL数据库。

不幸的是,这是一个非常常见的问题,PHP对字符集的处理非常糟糕,这并没有帮助。

我们所做的是强迫文本通过 iconv

// Convert input data to UTF8, ignore any odd (MS Word..) chars
// that don't translate
$input = iconv("ISO-8859-1","UTF-8//IGNORE",$input);

//IGNORE

如果附加字符串//IGNORE,则无法在目标字符集中表示的字符将被自动丢弃。

我们经常使用标准的字符串替换函数。尽管ASCII/Unicode在这种情况下的本质相当模糊,但它仍然有效。只需确保您的php文件以正确的编码格式保存,等等。

accept-charset="utf-8"

你可以试试 mb_ convert_encoding

$str = mb_convert_encoding($str, 'UTF-8', 'ISO-8859-1');

这假设您需要UTF-8,并且convert可以找到合理的替代品。。。如果没有,请自行更换。

实际上,这意味着运行一个名为“utf8”的查询集;

http://www.phpwact.org/php/i18n/utf-8/mysql

mysql_set_charset('utf8',$link); 

您必须手动将单个列的排序规则更改为UTF8;整体更改数据库不会改变这些。

如果 您正在寻找这些字符在web上转义 保存 它们的外观,因此字符串将如下所示: “太好了!” 而不是 “太无聊了” ...

您可以使用自己的自定义htmlEncode函数代替PHP函数来实现这一点 :

$trans_tbl = false;

function htmlEncode($text) {

  global $trans_tbl;

  // create translation table once
  if(!$trans_tbl) {
    // start with the default set of conversions and add more.

    $trans_tbl = get_html_translation_table(HTML_ENTITIES); 

    $trans_tbl[chr(130)] = '‚';    // Single Low-9 Quotation Mark
    $trans_tbl[chr(131)] = 'ƒ';    // Latin Small Letter F With Hook
    $trans_tbl[chr(132)] = '„';    // Double Low-9 Quotation Mark
    $trans_tbl[chr(133)] = '…';    // Horizontal Ellipsis
    $trans_tbl[chr(134)] = '†';    // Dagger
    $trans_tbl[chr(135)] = '‡';    // Double Dagger
    $trans_tbl[chr(136)] = 'ˆ';    // Modifier Letter Circumflex Accent
    $trans_tbl[chr(137)] = '‰';    // Per Mille Sign
    $trans_tbl[chr(138)] = 'Š';    // Latin Capital Letter S With Caron
    $trans_tbl[chr(139)] = '‹';    // Single Left-Pointing Angle Quotation Mark
    $trans_tbl[chr(140)] = 'Œ';    // Latin Capital Ligature OE

    // smart single/ double quotes (from MS)
    $trans_tbl[chr(145)] = '‘'; 
    $trans_tbl[chr(146)] = '’'; 
    $trans_tbl[chr(147)] = '“'; 
    $trans_tbl[chr(148)] = '”'; 

    $trans_tbl[chr(149)] = '•';    // Bullet
    $trans_tbl[chr(150)] = '–';    // En Dash
    $trans_tbl[chr(151)] = '—';    // Em Dash
    $trans_tbl[chr(152)] = '˜';    // Small Tilde
    $trans_tbl[chr(153)] = '™';    // Trade Mark Sign
    $trans_tbl[chr(154)] = 'š';    // Latin Small Letter S With Caron
    $trans_tbl[chr(155)] = '›';    // Single Right-Pointing Angle Quotation Mark
    $trans_tbl[chr(156)] = 'œ';    // Latin Small Ligature OE
    $trans_tbl[chr(159)] = 'Ÿ';    // Latin Capital Letter Y With Diaeresis

    ksort($trans_tbl);
  }

  // escape HTML      
  return strtr($text, $trans_tbl); 
}

解决方案,但我会尝试测试以了解PHP看到了什么。假设它看到了“”(还有一些其他的可能性,比如简单的“”,或者“&8220;”)。然后执行str#u replace以去除所有这些,并用普通引号替换它们,然后将答案填充到数据库中。

更好的解决方案可能包括使端到端数据通过所有UTF-8,因为人们正试图在其他答案中提供帮助。

事实上,这个问题不是在PHP中发生的,而是在JavaScript中发生的,这是由于Word的复制/粘贴造成的,所以在将文本传递给PHP之前,您需要用JavaScript解决问题,请参见此答案 https://stackoverflow.com/a/6219023/1857295 .