HTML編碼字符不在字符集中

Question

我們有一個使用ISO-8859-1字符集的網絡應用程序。 職業用戶具有“奇怪”的名稱，其中包含Š之類的字符（為方便起見，此處將html編碼）。 我們將此存儲在數據庫中，但是 我們無法正確顯示它。

處理此問題的最佳方法是什么？ 我想我應該使用其HTML實體數字編碼（Š到Š ）自動將字符集之外的字符轉換

但是我在尋找如何自動執行此操作時遇到了問題（不使用所有值的表）。

該代碼適用於擴展的ASCII字符，例如“å”（ISO-8859-1中存在）。 我想對其他角色也一樣。 我可以使用這些HTML實體編碼值中是否存在模式？

unsigned int c;  
for( int i=0; i < html.GetLength(); i++)  
{  
    c = html[i];  
    if( c > 255 || c < 0 )  
    {  
        CString orig = CString(html[i]);  
        CString encoded = "&#";  
        encoded += CTool::String((byte)c);  
        encoded += ";";  
        html.Replace(orig, encoded);  
    }  
}  

Answer 1

該網頁應指示瀏覽器以UTF-8 顯示響應。 這通常是通過在Content-Type響應標頭中提供字符集（例如text/html;charset=UTF-8 。

Response.AppendHeader("Content-Type", "text/html;charset=UTF-8");

HTML / XML實體僅在此處，因此您將能夠以UTF-8以外的其他格式保存網頁源。

Answer 2

html似乎是“ Unicode” CString。 這意味着它是UTF-16編碼的。 “＆＃ddd”語法使用Unicode代碼點編號。 通常，這很簡單。 Š是U + 0160，這意味着它在UTF-16中為0x0160。 Tha當然是352小數，所以得到&#352 。

僅當遇到基本多語言平面（BMP）之外的字符（超過U + FFFF）時，您才有問題。 這不再適合16位，因此將在您的html字符串中使用兩個字符。 但是，它應該只產生一個&#ddddd值。 這種情況很少見，您常常可以忽略它。