使用PHP / Mysql的UTF-8，XML和htmlentities

Question

我在网络上发现了很多与此主题相关的信息，因此我希望有人可以帮助我解决以下问题：

我需要一个函数来清洗字符串，以便可以安全地插入utf-8 mysql数据库或写入utf-8 XML文件。 无法删除不能转换为utf-8的字符。

为了写入XML文件，我还遇到了将html实体转换为数字实体的问题。 htmlspecialchars（）几乎一直都能工作，但是我已经读到它不足以正确清理所有字符串，例如，其中包含无效的html实体的字符串。

感谢您的帮助，布莱恩

Answer 1

您没有说明字符串的来源，但是如果要从HTML表单提交中获取字符串，请参阅本文：

在Internet Explorer表单提交中设置字符编码

简而言之，您需要明确告知浏览器要将表单提交到的字符集。如果指定UTF-8，则永远不要从浏览器获取无效的UTF-8。 如果您想保护自己免受任何类型的恶意攻击，则需要使用iconv：

http://www.php.net/iconv

$ utf_8_string = iconv（$ from_charset，$ to_charset，$ original_string）;

如果您将$ from_charset和$ to_charset都指定为“ utf-8”，则在$ original_string包含无效的UTF-8的情况下，iconv（）应该返回错误。

如果您是从其他来源获取字符串，并且知道字符编码，则仍然可以使用iconv（）。 美国的典型编码是CP-1252（Windows）和ISO-8859-1（其他所有编码）。

Answer 2

像这样吗

function cleanse($in) {
    $bad = Array('”', '“', '’', '‘');
    $good = Array('"', '"', '\'', '\'');
    $out = str_replace($bad, $good, $in);
    return $out;
}

Answer 3

您可以使用iconv或mbstring将字符串从任何编码转换为UTF-8：

// With the //IGNORE flag, this will ignore invalid characters
iconv('input-encoding', 'UTF-8//IGNORE', $the_string);

要么

mb_convert_encoding($the_string, 'UTF-8', 'input-encoding');