3

私はデータベースを持っていますが、テーブル構造を再構築しているのはがらくただったので、あるテーブルから別のテーブルにデータの一部を移植しています。このデータはMSO製品からコピーペーストされたように見えるので、データを取得しているので、phpのhtmlpurifierとstr_replaceを使用してデータをクリーンアップします。クリーン機能は次のとおりです。

   function clean_html($html) {
    $config = HTMLPurifier_Config::createDefault();
    $config->set('AutoFormat','RemoveEmpty',true);
    $config->set('HTML','AllowedAttributes','href,src');
    $config->set('HTML','AllowedElements','p,em,strong,a,ul,li,ol,img');
    $purifier = new HTMLPurifier($config);

    $html = $purifier->purify($html);

    $html = str_replace(' ',' ',$html);
    $html = str_replace("\r",'',$html);
    $html = str_replace("\n",'',$html);
    $html = str_replace("\t",'',$html);
    $html = str_replace('  ',' ',$html);
    $html = str_replace('<p> </p>','',$html);
    $html = str_replace(chr(160),' ',$html);

    return trim($html);
   }

ただし、結果を新しいテーブルに入れてckeditorに出力すると、これらの3つの文字が表示されます。

次に、ckeditorのコンテンツから特殊文字を削除するために呼び出されるjavascript関数もあります。それもきれいにしません

  function remove_special(str) {
    var rExps=[ /[\xC0-\xC2]/g, /[\xE0-\xE2]/g,
    /[\xC8-\xCA]/g, /[\xE8-\xEB]/g,
    /[\xCC-\xCE]/g, /[\xEC-\xEE]/g,
    /[\xD2-\xD4]/g, /[\xF2-\xF4]/g,
    /[\xD9-\xDB]/g, /[\xF9-\xFB]/g,
    /\xD1/,/\xF1/g,
    "/[\u00a0|\u1680|[\u2000-\u2009]|u200a|\u200b|\u2028|\u2029|\u202f|\u205f|\u3000|\xa0]/g", 
    /\u000b/g,'/[\u180e|\u000c]/g',
    /\u2013/g, /\u2014/g,
    /\xa9/g,/\xae/g,/\xb7/g,/\u2018/g,/\u2019/g,/\u201c/g,/\u201d/g,/\u2026/g];
    var repChar=['A','a','E','e','I','i','O','o','U','u','N','n',' ','\t','','-','--','(c)','(r)','*',"'","'",'"','"','...'];

    for(var i=0; i<rExps.length; i++) {
        str=str.replace(rExps[i],repChar[i]);
    }

      for (var x = 0; x < str.length; x++) {
    charcode = str.charCodeAt(x);
          if ((charcode < 32 || charcode > 126) && charcode !=10 && charcode != 13) {
              str = str.replace(str.charAt(x), "");
          }
      }
      return str;
  }

誰かが私がそれらを取り除くために何をする必要があるかをすぐに知っていますか？ある種の引用かもしれないと思います。

4

2 に答える 2

1

同様の問題がありました：phpはこのシンボルを削除/識別します�</a>

文字�はREPLACEMENTCHARACTER（U + FFFD）です。これは、UTFコード内でエラーが発生した場合に使用されます。

FFFD � REPLACEMENT CHARACTER

 - used to replace an incoming character whose value 
   is unknown or unrepresentable in Unicode

ほとんどの場合、一部のデータはUTFエンコーディングで解釈されますが、データはそのエンコーディングではなく別のエンコーディングでエンコードされることを意味します。

私の問題は、MicrosoftOffice製品からHTMLまたはデータベースにテキストを貼り付けることでした。最大の犯罪者は、emdashと賢い引用であるようです。

于 2010-03-25T13:42:35.987 に答える
1

あなたの文字エンコーディングはすべて狂っています。â�� は、3 バイトの UTF-8 でエンコードされた文字を示しています。

あなたが発見する必要があるいくつかのこと

  • 古いテーブルのエンコーディングは何ですか?
  • 新しいテーブルのエンコーディングは何ですか?
  • ckeditor を表示するページのエンコーディングは何ですか?

HTMLPurifier のデフォルトは UTF-8 のように見えるので、データのエンコーディングに注意する必要があります!

于 2010-03-25T14:19:06.097 に答える