HTML特殊字符：&dagger；和&Dagger在DOMDocument中

Question

我有一个dom文档，我想在其中添加一些特殊字符。

我要做的是首先用regexp检测字符串中的特殊字符。为此，我将html上的utf-8字符转换为

$string = "Test string 1,§,†,‡";
$string_html = htmlentities($string_html, ENT_QUOTES, "UTF-8");

这很好，我马上就到了：

"Test string 1,§,†,‡"

现在，我只想得到特殊的角色。我使用的是regexp，它返回的数组有：

[0] => '&sect';
[1] => '&dagger';
[2] => '&Dagger';

现在，我想将这些特殊字符添加到dom文档中，但使用unicode。我试着：

$string_utf8 = html_entity_decode($string_html);

$dom_output->createElement( 'string', utf8_encode($string_utf8));

接下来的结果是：

§字符显示为§，而†和‡则保持不变。

知道为什么吗？

Answer 1

§的问题在于它位于unicode表中的0xA7位置。但是，该特定字符被编码为双字节序列0xC2A7.您的输出被呈现为ISO-8859-1或类似的编码，因此这个(0xC2)出现在您的预期字符之前(因为巧合的是，它有相同的最后一个字节-我经常看到它被编码为c)

然而，匕首和双匕首在unicode表中的位置要远得多：0x2020和0x2021。因此，在编码它们时不存在混淆。

我认为这个问题可能是由PHP文件本身被编码成一个单字节字符集造成的，正是这一点导致了0xA7的问题。确保您的PHP文件是以正确的格式编码的，否则它将对您的字符串做出错误的假设。