在Word中將Word文檔轉換為可用的HTML

Question

我有一組Word文檔，我想使用我編寫的PHP工具發布。 我將Word文檔復制並粘貼到文本框中，然后使用PHP程序將它們保存到MySQL中。 我遇到的問題來自Word文檔的所有非標准字符，如引號和省略號（“...”）。 我現在所做的是手動搜索並用純文本或HTML實體替換這些東西（以及外部符號，如e-acute）（＆eacute;等等）我是否可以調用PHP中的函數Word文檔的輸出，並將應該是實體的所有內容轉換為實體，以及在Firefox中無法正確顯示的其他符號轉換為顯示的符號。

謝謝！

Answer 1

這對我來說過去很好：

$str = mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8')

Answer 2

更好的解決方案是確保您的數據庫設置為支持UTF-8字符。 擴展集中可用的其他字符應涵蓋您正在談論的所有“非標准”字符。

否則，如果您確實必須將這些字符轉換為HTML實體，請使用htmlentities（） 。

Answer 3

我認為所有這些答案都錯過了一個重要的觀點。 Windows本身使用latin1的windows風格，所以如果你將一些特殊字符（如不對稱的引號）粘貼到Windows機器上的一個表單中，然后發送到unix（或任何非muckrosoft）框（對於數據庫）或者其他任何一些字符與unix系統所理解的任何東西都不匹配，因此混淆和亂碼的字符。 這意味着即使你有一個UTF-8數據庫，並使用htmlentities，一些惡意仍然會通過，因為它們是操作系統無法識別的字符 - 它們甚至不是UTF-8的一部分 - 是微軟唯一的發明。 我想知道一個光滑的解決方案 - 我所做的是手動將我遇到的僅限微軟的字符的字符代碼列入UTF-8字符的（也是手動的）列表中，為所有這些字符執行str_replace，以及然后，你可以隨心所欲地做任何事情 - iconv，htmlentities，直接保存到utf8數據庫，重要的不再是它了。

我對這一切的把握有點不穩定 - 請查看http://www.cs.tut.fi/~jkorpela/www/windows-chars.html以獲得一個很好的解釋，我已經將其簡化為上面的簡短形式。 - 如果有人有一個更好的解決方案（肯定有一個！）如何PHP化本文解釋的內容...我很樂意聽到它！

Answer 4

htmlspecialchars（）會讓你走得很遠，但請注意，因為Word文檔很亂。

Answer 5

這是我用非便攜式Windows字符集解決問題的解決方案。 這將使用等效的HTML實體替換有問題的幾乎拉丁語1個字符。

$translation=array(
    // reference from http://www.cs.tut.fi/~jkorpela/www/windows-chars.html
    "\x82" => "‚",
    "\x83" => "ƒ",
    "\x84" => "„",
    "\x85" => "…",
    "\x86" => "†",
    "\x87" => "‡",
    "\x88" => "ˆ",
    "\x89" => "‰",
    "\x8a" => "Š",
    "\x8b" => "‹",
    "\x8c" => "Œ",
    "\x91" => "‘",
    "\x92" => "’",
    "\x93" => "“",
    "\x94" => "”",
    "\x95" => "•",
    "\x96" => "–",
    "\x97" => "—",
    "\x98" => "˜",
    "\x99" => "™",
    "\x9a" => "š",
    "\x9b" => "›",
    "\x9c" => "œ",
    "\x9f" => "Ÿ",
);    
return str_replace(array_keys($translation),array_values($translation),$input);

它適用於我^TM