使用 PHP 转换 Microsoft Word 特殊字符

Question

我正在尝试先转换用户粘贴的包含 MS Word 省略号和长破折号的 Word 文本，然后再进一步处理。

我在这里找到了一个旧的建议解决方案 http://www.codingforums .com/archive/index.php/t-47163.html ，但它对我不起作用。例如，替换省略号后，变量返回为空。以前从未见过这样的事情：

$src = "Long word dash – and weird Word ellipsis…";
$src = str_replace("‘", "'", $src);
$src = str_replace("’", "'", $src);
$src = str_replace("”", '"', $src);
$src = str_replace("“", '"', $src);
$src = str_replace("–", "-", $src);
$src = str_replace("…", "...", $src);
print $src;

有什么想法吗？

Answer 1

对于在 PHP 中遇到菱形问号的人来说，这种替换 UTF-8 字符的方法比使用 chr 函数效果更好。

$search = [                 // www.fileformat.info/info/unicode/<NUM>/ <NUM> = 2018
                "\xC2\xAB",     // « (U+00AB) in UTF-8
                "\xC2\xBB",     // » (U+00BB) in UTF-8
                "\xE2\x80\x98", // ‘ (U+2018) in UTF-8
                "\xE2\x80\x99", // ’ (U+2019) in UTF-8
                "\xE2\x80\x9A", // ‚ (U+201A) in UTF-8
                "\xE2\x80\x9B", // ‛ (U+201B) in UTF-8
                "\xE2\x80\x9C", // “ (U+201C) in UTF-8
                "\xE2\x80\x9D", // ” (U+201D) in UTF-8
                "\xE2\x80\x9E", // „ (U+201E) in UTF-8
                "\xE2\x80\x9F", // ‟ (U+201F) in UTF-8
                "\xE2\x80\xB9", // ‹ (U+2039) in UTF-8
                "\xE2\x80\xBA", // › (U+203A) in UTF-8
                "\xE2\x80\x93", // – (U+2013) in UTF-8
                "\xE2\x80\x94", // — (U+2014) in UTF-8
                "\xE2\x80\xA6"  // … (U+2026) in UTF-8
    ];

    $replacements = [
                "<<", 
                ">>",
                "'",
                "'",
                "'",
                "'",
                '"',
                '"',
                '"',
                '"',
                "<",
                ">",
                "-",
                "-",
                "..."
    ];

    str_replace($search, $replacements, $string);

Answer 2

唔。我使用此函数来清理复制到 RTE 中的文本。在这种情况下它可能起作用，也可能不起作用。它转换为 HTML 实体，但您可以调整它以仅转换为常规字符：

function convertFromCP1252($string)
{
    $search = array('&',
                    '<',
                    '>',
                    '"',
                    chr(212),
                    chr(213),
                    chr(210),
                    chr(211),
                    chr(209),
                    chr(208),
                    chr(201),
                    chr(145),
                    chr(146),
                    chr(147),
                    chr(148),
                    chr(151),
                    chr(150),
                    chr(133),
                    chr(194)
                );

     $replace = array(  '&',
                        '<',
                        '>',
                        '"',
                        '‘',
                        '’',
                        '“',
                        '”',
                        '–',
                        '—',
                        '…',
                        '‘',
                        '’',
                        '“',
                        '”',
                        '–',
                        '—',
                        '…',
                        ''
                    );

    return str_replace($search, $replace, $string);
}

Answer 3

很好的解决方案。我复制并粘贴了它，并且没有出现任何问题。在进一步研究中，我添加了一些不在搜索和替换数组中的字符。为了找到 ASCII 字符 ID 号，我编写了一个 PHP 函数，它显示了 ASCII 字符号：

function stdump($s){

  for($i=0;$i<strlen($s);$i++){

    echo substr($s,$i,1) . "(" . ord(substr($s,$i,1)) . ")";

  }

  echo "<br/>";
}

显示该字符，在其旁边的括号中显示 ascii 号。像这样：

echo stdump("GPUs…");

产生：

G(71)P(80)U(85)s(115)â(226)€(128)|(166)

希望这会有所帮助。

——基思

Answer 4

它对我有用：

$str=file_get_contents($file); 

$array=array("‘"=>"'","’"=>"'","”"=>'"',"“"=>'"',"–"=>"-","—"=>"-","–"=>"-","…"=>"...");

$str = strtr( $str,$array);

file_put_contents($file,$str);