utf-8 und html-Einträge in RSS-Feeds

Question

Ich schreibe einige RSS-Feeds in PHP und kämpfen mit Zeichen-Kodierung Probleme. Sollte ich utf8_encode() vor oder nach htmlentities() kodieren? Ich habe zum Beispiel sowohl kaufmännische als auch chinesische Zeichen in einem Beschreibungselement, und ich bin nicht sicher, welches davon richtig ist:

$output = utf8_encode(htmlentities($source)); or
$output = htmlentities(utf8_encode($source));

Und warum?

Answer 1

Es ist wichtig, den Zeichensatz an die Funktion htmlentities zu übergeben, da der Standard ISO-8859-1 ist:

utf8_encode(htmlentities($source,ENT_COMPAT,'utf-8'));

Sie sollten zuerst htmlentities anwenden, damit utf8_encode die Entitäten richtig kodieren kann.

(EDIT: Ich habe meine vorherige Meinung, dass die Reihenfolge keine Rolle spielt, aufgrund der Kommentare geändert. Dieser Code ist getestet und funktioniert gut).

Answer 2

Erstens: Die utf8_encode función konvertiert von ISO 8859-1 nach UTF-8. Sie brauchen diese Funktion also nur, wenn Ihre Eingabekodierung/ Ihr Zeichensatz ISO 8859-1 ist. Aber warum verwenden Sie nicht von vornherein UTF-8?

Zweitens: Sie brauchen keine htmlentities . Sie brauchen nur htmlspecialchars um die Sonderzeichen durch Zeichenreferenzen zu ersetzen. htmlentities würde "zu viele" Zeichen ersetzen, die direkt mit UTF-8 kodiert werden können. Wichtig ist, dass Sie die ENT_QUOTES Anführungszeichenstil, um auch die einfachen Anführungszeichen zu ersetzen.

Deshalb mein Vorschlag:

// if your input encoding is ISO 8859-1
htmlspecialchars(utf8_encode($string), ENT_QUOTES)

// if your input encoding is UTF-8
htmlspecialchars($string, ENT_QUOTES, 'UTF-8')

Answer 3

Verwenden Sie nicht htmlentities() ¡!

Verwenden Sie einfach UTF-8-Zeichen. Vergewissern Sie sich nur, dass Sie die Kodierung des Feeds in den HTTP-Headern angeben ( Content-Type:application/xml;charset=UTF-8 ) oder, falls dies nicht möglich ist, im Feed selbst mit <?xml version="1.0" encoding="UTF-8"?> in der ersten Zeile.

Answer 4

Es könnte einfacher sein, auf htmlentities zu verzichten und einen CDATA-Abschnitt zu verwenden. Das funktioniert für den Titelabschnitt, der im RSS-Viewer von Firefox keine kodierten HTML-Zeichen zu unterstützen scheint:

<title><![CDATA[News & Updates  " > »      Test!]]></title>

Answer 5

Sie möchten Folgendes tun $output = htmlentities(utf8_encode($source)); . Der Grund dafür ist, dass Sie Ihre internationalen Zeichen zuerst in das korrekte UTF8-Format konvertieren wollen und dann die Ampersands (und möglicherweise auch einige der UTF-8-Zeichen) in HTML-Entities umwandeln wollen. Wenn Sie die Entities zuerst umwandeln, werden einige der internationalen Zeichen möglicherweise nicht richtig behandelt.

Wenn keines der internationalen Zeichen durch utf8_encode geändert werden soll, ist es egal, in welcher Reihenfolge Sie sie aufrufen.