Php 如何将Word智能引号和em破折号转换为字符串？

我有一个带文本区的表单。用户输入存储在数据库中的文本块

有时，用户会从包含智能引号或虚线的Word中粘贴文本。这些字符在数据库中显示为：“-”，或“-”™, 一欧元，一欧元

我应该调用什么函数来将智能引号转换为常规引号，将emdash转换为常规破折号

我在PHP工作

更新：感谢到目前为止所有的精彩回复。Joel网站上关于编码的页面内容非常丰富：

关于我的环境的一些注意事项：

MySQL数据库使用UTF-8编码。同样，显示内容的HTML页面也通过显式设置元内容类型使用UTF-8（更新：）

在这些页面上，智能引号和虚线显示为带问号的菱形

解决方案：

再次感谢您的回复。解决方案有两方面：

确保数据库和HTML 文件被显式设置为使用 UTF-8编码

使用

htmlspecialchars（）

而不是

htmlentities（）

---

这听起来像是一个Unicode问题。Joel Spolsky在这个主题上有一个很好的出发点：

我们经常使用标准的字符串替换函数。尽管ASCII/Unicode在该上下文中的性质非常模糊，但它可以工作。只要确保您的php文件以正确的编码格式保存，等等。

听起来像真正的问题是，您的数据库没有使用与页面相同的字符编码（可能应该是UTF-8）。在这种情况下，如果任何用户提交非ASCII字符，您可能会在数据库中看到奇怪的字符。查找和修复其中的一些字符（卷曲引号和em破折号）并不能解决真正的问题

---

以下是关于MySQL数据库的一些信息。

根据我的经验，只接受智能引号并确保您在所有地方都使用相同的编码更容易。首先，请将此添加到表单标记中：

accept charset=“utf-8”

您可以尝试从ISO-8859-1到utf-8

$str = mb_convert_encoding($str, 'UTF-8', 'ISO-8859-1');

---

这假设您需要UTF-8，convert可以找到合理的替换…如果不需要，请自行替换或preg_替换它们。

不幸的是，这是一个非常常见的问题，PHP对字符集的处理非常糟糕，这并没有帮助

我们所做的是强迫文本通过

//IGNORE

标志意味着任何无法翻译的内容都将被丢弃

如果附加字符串//IGNORE，则无法在目标字符集中表示的字符将被自动丢弃

mysql数据库使用UTF-8 编码。同样，html页面 显示正在使用的内容的 UTF-8

HTML的内容可以是UTF-8格式，是的，但是您是否也明确地将HTML页面（通过PHP生成）的内容类型（编码）设置为UTF-8格式？尝试返回

“text/HTML；charset=UTF-8”

的

内容类型

标题或将

标记添加到HTMLs：

<meta http-equiv="Content-Type" content="text/html;charset=utf-8"/>

这样，提交给PHP的数据的内容类型也将相同

我有一个类似的问题，添加

标记对我来说很有效。
这可能不是最好的解决方案，但我会尝试测试PHP看到的内容。假设它看到了“–”（还有一些其他的可能性，比如简单的“”，或者可能是““；”）。然后在将答案填入数据库之前，先进行str_替换，去掉所有这些内容，并用普通引号替换它们

更好的解决方案可能包括使端到端数据通过所有UTF-8，因为人们正试图在其他答案中提供帮助。
您必须确保您的数据库连接配置为从客户端接受并向客户端提供UTF-8（否则它将转换为“默认值”，通常为1）

实际上，这意味着运行一个名为“utf8”的查询集


此外，智能引号是windows-1252字符集的一部分，不是iso-8859-1（拉丁语-1）。与您的问题不太相关，仅供参考。欧元符号也在其中。
问题在于mysql字符集，我用这行代码修复了我的问题

mysql_set_charset('utf8',$link); 

您必须手动将单个列的排序规则更改为UTF8；更改数据库整体不会改变这些字符。
如果您希望在保留这些字符外观的同时为web转义这些字符，那么您的字符串将如下所示：“太好了！”而不是“很无聊”

您可以使用自己的自定义htmlEncode函数来代替PHP的htmlentities（）：

$trans_tbl = false;

function htmlEncode($text) {

  global $trans_tbl;

  // create translation table once
  if(!$trans_tbl) {
    // start with the default set of conversions and add more.

    $trans_tbl = get_html_translation_table(HTML_ENTITIES); 

    $trans_tbl[chr(130)] = '‚';    // Single Low-9 Quotation Mark
    $trans_tbl[chr(131)] = 'ƒ';    // Latin Small Letter F With Hook
    $trans_tbl[chr(132)] = '„';    // Double Low-9 Quotation Mark
    $trans_tbl[chr(133)] = '…';    // Horizontal Ellipsis
    $trans_tbl[chr(134)] = '†';    // Dagger
    $trans_tbl[chr(135)] = '‡';    // Double Dagger
    $trans_tbl[chr(136)] = 'ˆ';    // Modifier Letter Circumflex Accent
    $trans_tbl[chr(137)] = '‰';    // Per Mille Sign
    $trans_tbl[chr(138)] = 'Š';    // Latin Capital Letter S With Caron
    $trans_tbl[chr(139)] = '‹';    // Single Left-Pointing Angle Quotation Mark
    $trans_tbl[chr(140)] = 'Œ';    // Latin Capital Ligature OE

    // smart single/ double quotes (from MS)
    $trans_tbl[chr(145)] = '‘'; 
    $trans_tbl[chr(146)] = '’'; 
    $trans_tbl[chr(147)] = '“'; 
    $trans_tbl[chr(148)] = '”'; 

    $trans_tbl[chr(149)] = '•';    // Bullet
    $trans_tbl[chr(150)] = '–';    // En Dash
    $trans_tbl[chr(151)] = '—';    // Em Dash
    $trans_tbl[chr(152)] = '˜';    // Small Tilde
    $trans_tbl[chr(153)] = '™';    // Trade Mark Sign
    $trans_tbl[chr(154)] = 'š';    // Latin Small Letter S With Caron
    $trans_tbl[chr(155)] = '›';    // Single Right-Pointing Angle Quotation Mark
    $trans_tbl[chr(156)] = 'œ';    // Latin Small Ligature OE
    $trans_tbl[chr(159)] = 'Ÿ';    // Latin Capital Letter Y With Diaeresis

    ksort($trans_tbl);
  }

  // escape HTML      
  return strtr($text, $trans_tbl); 
}

事实上，这个问题不是在PHP中发生的，而是在JavaScript中发生的，这是由于Word的复制/粘贴造成的，所以在将文本传递到PHP之前，您需要用JavaScript解决问题，请参见此答案。
这似乎是一个完美的“快速修复”但遗憾的是，它通过添加更多无效字符使我的测试用例变得更糟。只有当您知道输入字符集是拉丁1时，从拉丁1转换为UTF-8才有意义。但是，如果输入已经是UTF-8，您只能通过“翻译”来进一步篡改它第二次将它从拉丁语1改为UTF-8。这对我来说也很有效，直接添加到运行
INSERT
/
UPDATE
的查询上方。其他所有内容都正确地设置为UTF8、表字符集、列排序规则和HTML输出页。很高兴这终于奏效了！请添加答案的相关部分。@Robert he说d“我有一个带有文本区域的表单。用户输入一个存储在数据库中的文本块。”因此我认为这意味着他使用JavaScript将数据从前端（即浏览器）传递到服务器端（即PHP）。他还说“从Word粘贴文本”，“我应该在中调用什么函数？”
$trans_tbl = false;

function htmlEncode($text) {

  global $trans_tbl;

  // create translation table once
  if(!$trans_tbl) {
    // start with the default set of conversions and add more.

    $trans_tbl = get_html_translation_table(HTML_ENTITIES); 

    $trans_tbl[chr(130)] = '‚';    // Single Low-9 Quotation Mark
    $trans_tbl[chr(131)] = 'ƒ';    // Latin Small Letter F With Hook
    $trans_tbl[chr(132)] = '„';    // Double Low-9 Quotation Mark
    $trans_tbl[chr(133)] = '…';    // Horizontal Ellipsis
    $trans_tbl[chr(134)] = '†';    // Dagger
    $trans_tbl[chr(135)] = '‡';    // Double Dagger
    $trans_tbl[chr(136)] = 'ˆ';    // Modifier Letter Circumflex Accent
    $trans_tbl[chr(137)] = '‰';    // Per Mille Sign
    $trans_tbl[chr(138)] = 'Š';    // Latin Capital Letter S With Caron
    $trans_tbl[chr(139)] = '‹';    // Single Left-Pointing Angle Quotation Mark
    $trans_tbl[chr(140)] = 'Œ';    // Latin Capital Ligature OE

    // smart single/ double quotes (from MS)
    $trans_tbl[chr(145)] = '‘'; 
    $trans_tbl[chr(146)] = '’'; 
    $trans_tbl[chr(147)] = '“'; 
    $trans_tbl[chr(148)] = '”'; 

    $trans_tbl[chr(149)] = '•';    // Bullet
    $trans_tbl[chr(150)] = '–';    // En Dash
    $trans_tbl[chr(151)] = '—';    // Em Dash
    $trans_tbl[chr(152)] = '˜';    // Small Tilde
    $trans_tbl[chr(153)] = '™';    // Trade Mark Sign
    $trans_tbl[chr(154)] = 'š';    // Latin Small Letter S With Caron
    $trans_tbl[chr(155)] = '›';    // Single Right-Pointing Angle Quotation Mark
    $trans_tbl[chr(156)] = 'œ';    // Latin Small Ligature OE
    $trans_tbl[chr(159)] = 'Ÿ';    // Latin Capital Letter Y With Diaeresis

    ksort($trans_tbl);
  }

  // escape HTML      
  return strtr($text, $trans_tbl); 
}