如何從部分編碼的文本中獲取格式正確的內容

Question

我的腳本獲取了大量文本-可能是HTML代碼，也可能只是純文本，特殊字符可能已編碼或未編碼，或兩者都編碼。

因此，內容可能包含以下內容：

Don't Do That

It's called "Meme"

He said: 'Yeah'

我該怎么做才能將其作為一種類型-是否編碼？

我試過了：

htmlentities(html_entity_decode($text), ENT_QUOTES, "UTF-8"), ENT_NOQUOTES, "UTF-8")

但並非在所有情況下都有效。 例如：

•

退貨

•

Answer 1

由於html_entity_decode不會對字符串進行“雙重解碼”，因此您可以使用如下代碼：

$str=<<<STR
Don&#039;t Do That
It's called "Meme"
He said: &#039;Yeah&#039;
STR;

$tmp=html_entity_decode($str,ENT_QUOTES,"UTF-8");
while($str!=$tmp)
{
    $str=$tmp;
    $tmp=html_entity_decode($str,ENT_QUOTES,"UTF-8");
}

現在，您擁有一個已完全解碼的$str ，然后可以對其進行編碼或直接使用它，無論您喜歡什么。

當然，這不是一個完美的解決方案-有時人們傾向於首先對字符串進行編碼-如果您無法控制或過濾數據源，則值得一試。