使用PHP / Mysql的UTF-8，XML和htmlentities

Question

我在網絡上發現了很多與此主題相關的信息，因此我希望有人可以幫助我解決以下問題：

我需要一個函數來清洗字符串，以便可以安全地插入utf-8 mysql數據庫或寫入utf-8 XML文件。 無法刪除不能轉換為utf-8的字符。

為了寫入XML文件，我還遇到了將html實體轉換為數字實體的問題。 htmlspecialchars（）幾乎一直都能工作，但是我已經讀到它不足以正確清理所有字符串，例如，其中包含無效的html實體的字符串。

感謝您的幫助，布萊恩

Answer 1

您沒有說明字符串的來源，但是如果要從HTML表單提交中獲取字符串，請參閱本文：

在Internet Explorer表單提交中設置字符編碼

簡而言之，您需要明確告知瀏覽器要將表單提交到的字符集。如果指定UTF-8，則永遠不要從瀏覽器獲取無效的UTF-8。 如果您想保護自己免受任何類型的惡意攻擊，則需要使用iconv：

http://www.php.net/iconv

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

如果您將$ from_charset和$ to_charset都指定為“ utf-8”，則在$ original_string包含無效的UTF-8的情況下，iconv（）應該返回錯誤。

如果您是從其他來源獲取字符串，並且知道字符編碼，則仍然可以使用iconv（）。 美國的典型編碼是CP-1252（Windows）和ISO-8859-1（其他所有編碼）。

Answer 2

像這樣嗎

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將字符串從任何編碼轉換為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');