html_entity_decode: Bug in PHP 4
Bei der Implementierung einer neuen Funktion im wpSEO-Plugin kreuzte ein unerwarteter und fragwürdiger Fehler meinen Weg: Einfacher Aufruf von html_entity_decode() wurde von PHP mit einer Reihe von Fehlern quittiert. Dritter Parameter “UTF-8″ war schuld.
Aufgerufener Code
html_entity_decode($str, ENT_QUOTES, 'UTF-8');
Alter Bug
Simple Recherche bei Google hat ergeben, dass der genannte Aufruf gar nicht so verkehrt ist – allerdings nur unter PHP 5. In den jüngeren Versionen der Sprache ist die Umsetzung von html_entity_decode in Verbindung mit UTF-8 fehlerhaft und ist mit einer nichtssagenden Fehlermeldung “Cannot yet handle MBCS in html_entity_decode()” verbunden.
Was tun?
Wie sollen jetzt HTML-Zeichen in ihre entsprechenden Ursprungszeichen konvertiert werden? Und dabei UTF-8 als Zeichensatz beibehalten? In den meisten Fällen reicht folgende Befehlkombination aus (erst in ISO-8859-15 umwandeln und dann mit utf8_encode behandeln):
utf8_encode(html_entity_decode($str, ENT_QUOTES, 'ISO-8859-15'));
Professionelle Lösung
Möchte man mehr Zeichen supporten, sprich umwandeln, als ISO-8859-15 es erlaubt, kommt man ohne zusätzlich angefertigte PHP-Funktionen nicht aus. Nachfolgend eine der möglichen Lösungen mit der Unterscheidung der installierten PHP-Version (PHP5 vs. PHP4).
if (version_compare(phpversion(), '5.0.0', '>=')) {
html_entity_decode($str, ENT_QUOTES, 'UTF-8');
} else {
html_entity_decode_php4($str);
}
function code_to_utf8($num) {
if ($num <= 0x7F) {
return chr($num);
} elseif ($num <= 0x7FF) {
return chr(($num >> 0x06) + 0xC0) . chr(($num & 0x3F) + 128);
} elseif ($num <= 0xFFFF) {
return chr(($num >> 0x0C) + 0xE0) . chr((($num >> 0x06) & 0x3F) + 0x80) . chr(($num & 0x3F) + 0x80);
} elseif ($num <= 0x1FFFFF) {
return chr(($num >> 0x12) + 0xF0) . chr((($num >> 0x0C) & 0x3F) + 0x80) . chr((($num >> 0x06) & 0x3F) + 0x80) . chr(($num & 0x3F) + 0x80);
}
return " ";
}
function html_entity_decode_php4($str) {
$htmlentities = array (
"Á" => chr(195).chr(129),
"á" => chr(195).chr(161),
"Â" => chr(195).chr(130),
"â" => chr(195).chr(162),
"´" => chr(194).chr(180),
"Æ" => chr(195).chr(134),
"æ" => chr(195).chr(166),
"À" => chr(195).chr(128),
"à" => chr(195).chr(160),
"ℵ" => chr(226).chr(132).chr(181),
"Α" => chr(206).chr(145),
"α" => chr(206).chr(177),
"&" => chr(38),
"∧" => chr(226).chr(136).chr(167),
"∠" => chr(226).chr(136).chr(160),
"Å" => chr(195).chr(133),
"å" => chr(195).chr(165),
"≈" => chr(226).chr(137).chr(136),
"Ã" => chr(195).chr(131),
"ã" => chr(195).chr(163),
"Ä" => chr(195).chr(132),
"ä" => chr(195).chr(164),
"„" => chr(226).chr(128).chr(158),
"Β" => chr(206).chr(146),
"β" => chr(206).chr(178),
"¦" => chr(194).chr(166),
"•" => chr(226).chr(128).chr(162),
"∩" => chr(226).chr(136).chr(169),
"Ç" => chr(195).chr(135),
"ç" => chr(195).chr(167),
"¸" => chr(194).chr(184),
"¢" => chr(194).chr(162),
"Χ" => chr(206).chr(167),
"χ" => chr(207).chr(135),
"ˆ" => chr(203).chr(134),
"♣" => chr(226).chr(153).chr(163),
"≅" => chr(226).chr(137).chr(133),
"©" => chr(194).chr(169),
"↵" => chr(226).chr(134).chr(181),
"∪" => chr(226).chr(136).chr(170),
"¤" => chr(194).chr(164),
"†" => chr(226).chr(128).chr(160),
"‡" => chr(226).chr(128).chr(161),
"↓" => chr(226).chr(134).chr(147),
"⇓" => chr(226).chr(135).chr(147),
"°" => chr(194).chr(176),
"Δ" => chr(206).chr(148),
"δ" => chr(206).chr(180),
"♦" => chr(226).chr(153).chr(166),
"÷" => chr(195).chr(183),
"É" => chr(195).chr(137),
"é" => chr(195).chr(169),
"Ê" => chr(195).chr(138),
"ê" => chr(195).chr(170),
"È" => chr(195).chr(136),
"è" => chr(195).chr(168),
"∅" => chr(226).chr(136).chr(133),
" " => chr(226).chr(128).chr(131),
" " => chr(226).chr(128).chr(130),
"Ε" => chr(206).chr(149),
"ε" => chr(206).chr(181),
"≡" => chr(226).chr(137).chr(161),
"Η" => chr(206).chr(151),
"η" => chr(206).chr(183),
"Ð" => chr(195).chr(144),
"ð" => chr(195).chr(176),
"Ë" => chr(195).chr(139),
"ë" => chr(195).chr(171),
"€" => chr(226).chr(130).chr(172),
"∃" => chr(226).chr(136).chr(131),
"ƒ" => chr(198).chr(146),
"∀" => chr(226).chr(136).chr(128),
"½" => chr(194).chr(189),
"¼" => chr(194).chr(188),
"¾" => chr(194).chr(190),
"⁄" => chr(226).chr(129).chr(132),
"Γ" => chr(206).chr(147),
"γ" => chr(206).chr(179),
"≥" => chr(226).chr(137).chr(165),
"↔" => chr(226).chr(134).chr(148),
"⇔" => chr(226).chr(135).chr(148),
"♥" => chr(226).chr(153).chr(165),
"…" => chr(226).chr(128).chr(166),
"Í" => chr(195).chr(141),
"í" => chr(195).chr(173),
"Î" => chr(195).chr(142),
"î" => chr(195).chr(174),
"¡" => chr(194).chr(161),
"Ì" => chr(195).chr(140),
"ì" => chr(195).chr(172),
"ℑ" => chr(226).chr(132).chr(145),
"∞" => chr(226).chr(136).chr(158),
"∫" => chr(226).chr(136).chr(171),
"Ι" => chr(206).chr(153),
"ι" => chr(206).chr(185),
"¿" => chr(194).chr(191),
"∈" => chr(226).chr(136).chr(136),
"Ï" => chr(195).chr(143),
"ï" => chr(195).chr(175),
"Κ" => chr(206).chr(154),
"κ" => chr(206).chr(186),
"Λ" => chr(206).chr(155),
"λ" => chr(206).chr(187),
"⟨" => chr(226).chr(140).chr(169),
"«" => chr(194).chr(171),
"←" => chr(226).chr(134).chr(144),
"⇐" => chr(226).chr(135).chr(144),
"⌈" => chr(226).chr(140).chr(136),
"“" => chr(226).chr(128).chr(156),
"≤" => chr(226).chr(137).chr(164),
"⌊" => chr(226).chr(140).chr(138),
"∗" => chr(226).chr(136).chr(151),
"◊" => chr(226).chr(151).chr(138),
"‎" => chr(226).chr(128).chr(142),
"‹" => chr(226).chr(128).chr(185),
"‘" => chr(226).chr(128).chr(152),
"¯" => chr(194).chr(175),
"—" => chr(226).chr(128).chr(148),
"µ" => chr(194).chr(181),
"·" => chr(194).chr(183),
"−" => chr(226).chr(136).chr(146),
"Μ" => chr(206).chr(156),
"μ" => chr(206).chr(188),
"∇" => chr(226).chr(136).chr(135),
" " => chr(194).chr(160),
"–" => chr(226).chr(128).chr(147),
"≠" => chr(226).chr(137).chr(160),
"∋" => chr(226).chr(136).chr(139),
"¬" => chr(194).chr(172),
"∉" => chr(226).chr(136).chr(137),
"⊄" => chr(226).chr(138).chr(132),
"Ñ" => chr(195).chr(145),
"ñ" => chr(195).chr(177),
"Ν" => chr(206).chr(157),
"ν" => chr(206).chr(189),
"Ó" => chr(195).chr(147),
"ó" => chr(195).chr(179),
"Ô" => chr(195).chr(148),
"ô" => chr(195).chr(180),
"Œ" => chr(197).chr(146),
"œ" => chr(197).chr(147),
"Ò" => chr(195).chr(146),
"ò" => chr(195).chr(178),
"‾" => chr(226).chr(128).chr(190),
"Ω" => chr(206).chr(169),
"ω" => chr(207).chr(137),
"Ο" => chr(206).chr(159),
"ο" => chr(206).chr(191),
"⊕" => chr(226).chr(138).chr(149),
"∨" => chr(226).chr(136).chr(168),
"ª" => chr(194).chr(170),
"º" => chr(194).chr(186),
"Ø" => chr(195).chr(152),
"ø" => chr(195).chr(184),
"Õ" => chr(195).chr(149),
"õ" => chr(195).chr(181),
"⊗" => chr(226).chr(138).chr(151),
"Ö" => chr(195).chr(150),
"ö" => chr(195).chr(182),
"¶" => chr(194).chr(182),
"∂" => chr(226).chr(136).chr(130),
"‰" => chr(226).chr(128).chr(176),
"⊥" => chr(226).chr(138).chr(165),
"Φ" => chr(206).chr(166),
"φ" => chr(207).chr(134),
"Π" => chr(206).chr(160),
"π" => chr(207).chr(128),
"ϖ" => chr(207).chr(150),
"±" => chr(194).chr(177),
"£" => chr(194).chr(163),
"′" => chr(226).chr(128).chr(178),
"″" => chr(226).chr(128).chr(179),
"∏" => chr(226).chr(136).chr(143),
"∝" => chr(226).chr(136).chr(157),
"Ψ" => chr(206).chr(168),
"ψ" => chr(207).chr(136),
"√" => chr(226).chr(136).chr(154),
"⟩" => chr(226).chr(140).chr(170),
"»" => chr(194).chr(187),
"→" => chr(226).chr(134).chr(146),
"⇒" => chr(226).chr(135).chr(146),
"⌉" => chr(226).chr(140).chr(137),
"”" => chr(226).chr(128).chr(157),
"ℜ" => chr(226).chr(132).chr(156),
"®" => chr(194).chr(174),
"⌋" => chr(226).chr(140).chr(139),
"Ρ" => chr(206).chr(161),
"ρ" => chr(207).chr(129),
"‏" => chr(226).chr(128).chr(143),
"›" => chr(226).chr(128).chr(186),
"’" => chr(226).chr(128).chr(153),
"‚" => chr(226).chr(128).chr(154),
"Š" => chr(197).chr(160),
"š" => chr(197).chr(161),
"⋅" => chr(226).chr(139).chr(133),
"§" => chr(194).chr(167),
"­" => chr(194).chr(173),
"Σ" => chr(206).chr(163),
"σ" => chr(207).chr(131),
"ς" => chr(207).chr(130),
"∼" => chr(226).chr(136).chr(188),
"♠" => chr(226).chr(153).chr(160),
"⊂" => chr(226).chr(138).chr(130),
"⊆" => chr(226).chr(138).chr(134),
"∑" => chr(226).chr(136).chr(145),
"¹" => chr(194).chr(185),
"²" => chr(194).chr(178),
"³" => chr(194).chr(179),
"⊃" => chr(226).chr(138).chr(131),
"⊇" => chr(226).chr(138).chr(135),
"ß" => chr(195).chr(159),
"Τ" => chr(206).chr(164),
"τ" => chr(207).chr(132),
"∴" => chr(226).chr(136).chr(180),
"Θ" => chr(206).chr(152),
"θ" => chr(206).chr(184),
"ϑ" => chr(207).chr(145),
" " => chr(226).chr(128).chr(137),
"Þ" => chr(195).chr(158),
"þ" => chr(195).chr(190),
"˜" => chr(203).chr(156),
"×" => chr(195).chr(151),
"™" => chr(226).chr(132).chr(162),
"Ú" => chr(195).chr(154),
"ú" => chr(195).chr(186),
"↑" => chr(226).chr(134).chr(145),
"⇑" => chr(226).chr(135).chr(145),
"Û" => chr(195).chr(155),
"û" => chr(195).chr(187),
"Ù" => chr(195).chr(153),
"ù" => chr(195).chr(185),
"¨" => chr(194).chr(168),
"ϒ" => chr(207).chr(146),
"Υ" => chr(206).chr(165),
"υ" => chr(207).chr(133),
"Ü" => chr(195).chr(156),
"ü" => chr(195).chr(188),
"℘" => chr(226).chr(132).chr(152),
"Ξ" => chr(206).chr(158),
"ξ" => chr(206).chr(190),
"Ý" => chr(195).chr(157),
"ý" => chr(195).chr(189),
"¥" => chr(194).chr(165),
"ÿ" => chr(195).chr(191),
"Ÿ" => chr(197).chr(184),
"Ζ" => chr(206).chr(150),
"ζ" => chr(206).chr(182),
"‍" => chr(226).chr(128).chr(141),
"‌" => chr(226).chr(128).chr(140),
">" => ">",
"<" => "<"
);
$return = strtr($str, $htmlentities);
$return = preg_replace("~&#x([0-9a-f]+);~ei", "code_to_utf8(hexdec("\\1"))", $return);
$return = preg_replace("~&#([0-9]+);~e", "code_to_utf8(\\1)", $return);
return $return;
}
Über den Beitrag
Kommentieren abgestellt
Kommentare zu dem Beitrag sind nicht mehr erlaubt.