Convertir TOUS les symboles en entités html

Question

En PHP, l'utilisation des fonctions intégrées ne semble pas inclure de symboles spéciaux et nouveaux. TOUT y compris ceux sortis il y a 3 mois. Vous cherchez à transformer une chaîne de symboles mixtes tels que:

δϱж ☎

dans

𝕃𝕆𝕃 𝔯𝔬𝔠𝔰 𝓂𝓎 δϱж ☎

(que le navigateur rend le même)

Je vois cela se fait sur la mouche. Nous parlons d'innombrables symboles ici. Et qui sait combien de plus dans le futur.

Comment y parviennent-ils? Pas moyen, ils ont vraiment un tableau de clés de 1000 + de chaque symbole et son entité? J'ai rencontré toutes les questions connexes, pas de chance jusqu'à maintenant.

Answer 1

Cette fonction vous permet de convertir tous les caractères (actuels et futurs) hors [0-9A-Za-z ] à une entité numérique. Le UTF-8 le codage des caractères est supposé:

function html_entity_encode_all($s) { 
    $out = ''; 
    for ($i = 0; isset($s[$i]); $i++) { 
     // read UTF-8 bytes and decode to a Unicode codepoint value: 
     $x = ord($s[$i]); 
     if ($x < 0x80) { 
      // single byte codepoints 
      $codepoint = $x; 
     } else { 
      // multibyte codepoints 
      if ($x >= 0xC2 && $x <= 0xDF) { 
       $codepoint = $x & 0x1F; 
       $length = 2; 
      } else if ($x >= 0xE0 && $x <= 0xEF) { 
       $codepoint = $x & 0x0F; 
       $length = 3; 
      } else if ($x >= 0xF0 && $x <= 0xF4) { 
       $codepoint = $x & 0x07; 
       $length = 4; 
      } else { 
       // invalid byte 
       $codepoint = 0xFFFD; 
       $length = 1; 
      } 
      // read continuation bytes of multibyte sequences: 
      for ($j = 1; $j < $length; $j++, $i++) { 
       if (!isset($s[$i + 1])) { 
        // invalid: string truncated in middle of multibyte sequence 
        $codepoint = 0xFFFD; 
        break; 
       } 
       $x = ord($s[$i + 1]); 
       if (($x & 0xC0) != 0x80) { 
        // invalid: not a continuation byte 
        $codepoint = 0xFFFD; 
        break; 
       } 
       $codepoint = ($codepoint << 6) | ($x & 0x3F); 
      } 
      if (($codepoint > 0x10FFFF) || 
       ($length == 2 && $codepoint < 0x80) || 
       ($length == 3 && $codepoint < 0x800) || 
       ($length == 4 && $codepoint < 0x10000)) { 
       // invalid: overlong encoding or out of range 
       $codepoint = 0xFFFD; 
      } 
     } 

     // have codepoint, now output: 
     if (($codepoint >= 48 && $codepoint <= 57) || 
      ($codepoint >= 65 && $codepoint <= 90) || 
      ($codepoint >= 97 && $codepoint <= 122) || 
      ($codepoint == 32)) { 
      // leave plain 0-9, A-Z, a-z, and space unencoded 
      $out .= $s[$i]; 
     } else { 
      // all others as numeric entities 
      $out .= '&#' . $codepoint . ';'; 
     } 
    } 
    return $out; 
} 

Pour le décodage, la fonction standard html_entity_decode peut être utilisé.

Answer 2

Simple: l'encodage n'utilise aucune connaissance particulière. L'entrée est une valeur de caractère numérique, la sortie est &#<decimal-value>;.

Answer 3

Comment y parviennent-ils? Pas moyen, ils ont vraiment un tableau de clés de 1000 + de chaque symbole et son entité?

Ils font en fait ont une translation table et il ne contient tous les symboles que vous avez dans votre question (et la table a plus de 1500 entrées :)).

Fiddle