将特殊的HTML字符转换回其原始字符串 - Converting special HTML characters back into their original strings

Converting special HTML characters back into their original strings

我正在构建一个小型解析器，用于抓取网页并记录网页上的数据。其中一个需要记录的是论坛的帖子标题。我正在使用一个XML解析器来浏览DOM并获得这些信息，并且我将其存储为：

// Strip out the post's title
$title = $page->find('a[rel=bookmark]', 0);
$title = htmlspecialchars_decode(html_entity_decode(trim($title->plaintext)));

这在大多数情况下都有效，但有些帖子有一些特殊的HTML字符代码，比如–，它是短划线（-）。我该如何将这些特殊的字符代码转换回它们的原始字符串？

谢谢。

使用html_entity_decode。下面是一个简单的例子。

$string = "hyphenated&#8211words";
$new = html_entity_decode($string);
echo $new;

你应该看看。。。

hyphenated–words

文档是您的朋友：

html_entity_decode(trim($title->plaintext), ENT_XHTML, YOUR_ENCODING);
                                            ^^^^^^^^^^^^^^^^^^^^^^^^

这可能会有所帮助：

<?php
 function clean_up($str){
 $str = stripslashes($str);
 $str = strtr($str, get_html_translation_table(HTML_ENTITIES));
 $str = str_replace( array("'x82", "'x84", "'x85", "'x91", "'x92", "'x93", "'x94", "'x95", "'x96",  "'x97"), array("&#8218;", "&#8222;", "&#8230;", "&#8216;", "&#8217;", "&#8220;", "&#8221;", "&#8226;", "&#8211;", "&#8212;"),$str);
return $str;
}
?>