PHP html_entity_decode 和修剪混淆
Posted
技术标签:
【中文标题】PHP html_entity_decode 和修剪混淆【英文标题】:PHP html_entity_decode and trim confusion 【发布时间】:2016-02-03 13:46:57 【问题描述】:我正在尝试使用strip_tags
和trim
来检测字符串是否包含空html?
$description = '<p> </p>';
$output = trim(strip_tags(html_entity_decode($description, ENT_QUOTES, 'UTF-8')));
var_dump($output);
字符串'Â'(长度=2)
我的调试尝试解决这个问题:
$description = '<p> </p>';
$test = mb_detect_encoding($description);
$test .= "\n";
$test .= trim(strip_tags(html_entity_decode($description, ENT_QUOTES, 'UTF-8')));
$test .= "\n";
$test .= html_entity_decode($description, ENT_QUOTES, 'UTF-8');
file_put_contents('debug.txt', $test);
输出:debug.txt
ASCII
<p> </p>
【问题讨论】:
【参考方案1】:如果您使用var_dump(urlencode($output))
,您会看到它输出string(6) "%C2%A0"
,因此字符码是0xC2 和0xA0。 These two charcodes are unicode for "non-breaking-space"。确保您的文件以 UTF-8 格式保存,并且您的 HTTP 标头为 UTF-8 格式。
也就是说,要修剪这个字符,您可以使用带有 unicode 修饰符的正则表达式(而不是修剪):
DEMO:
<?php
$description = '<p> </p>';
$output = trim(strip_tags(html_entity_decode($description, ENT_QUOTES, 'UTF-8')));
var_dump(urlencode($output)); // string(6) "%C2%A0"
// -------
$output = preg_replace('~^\s+|\s+$~', '', strip_tags(html_entity_decode($description, ENT_QUOTES, 'UTF-8')));
var_dump(urlencode($output)); // string(6) "%C2%A0"
// -------
$output = preg_replace('~^\s+|\s+$~u', '', strip_tags(html_entity_decode($description, ENT_QUOTES, 'UTF-8')));
// Unicode! -----------------------^
var_dump(urlencode($output)); // string(0) ""
正则表达式验尸:
~
- 正则表达式修饰符分隔符 - 必须在正则表达式之前,然后在修饰符之前
^\s+
- 字符串的开头紧跟一个或多个空格(字符串开头的一个或多个空格字符) - (^
表示字符串的开头,\s
表示空格字符, +
表示“匹配 1 到无限次”)
|
- 或
\s+$
- 一个或多个空格字符紧跟在字符串末尾(字符串末尾有一个或多个空格字符)
~
- 结束正则表达式修饰符分隔符
u
- 正则表达式修饰符 - 这里使用 unicode modifier (PCRE_UTF8
) 来确保我们替换 unicode 空白字符。
【讨论】:
尸检在这种情况下是一个很棒的词。以上是关于PHP html_entity_decode 和修剪混淆的主要内容,如果未能解决你的问题,请参考以下文章
php html_entity_decode HTML实体转义
php一段文本使用了html_entity后保存到数据库,取出后用html_entity_decode解码后在程序里不会正常显示
html_entity_decode 将数据库里的 | 互联网金融 “野蛮生长” 的休止符| &rdquo转义成”“
SQLSTATE[22007]:无效的日期时间格式:1366 字符串值不正确,html_entity_decode 函数