Comment remplacer Microsoft-citations codées en PHP

J'ai besoin de remplacer Microsoft Word version de simples et doubles guillemets (“ ” ‘ ’) avec régulièrement des guillemets ("et ") en raison d'un problème de codage de ma demande. Je n'ai pas besoin d'eux pour être en entités HTML et je ne peux pas modifier mon schéma de base de données.

J'ai deux options: soit utiliser une expression régulière ou un tableau.

Est-il une meilleure façon de le faire?

InformationsquelleAutor Misha M | 2009-08-11
  1. 84

    Considérant que vous ne voulez remplacer un peu spécifique et bien identifié, les caractères, je voudrais aller str_replace avec un tableau: manifestement, vous n'avez pas besoin de l'artillerie lourde de la regex va vous apporter 😉

    Et si vous rencontrez quelques autres caractères spéciaux (putain de copier-coller à partir de Word de Microsoft...), vous pouvez simplement les ajouter à ce tableau à chaque fois que est nécessaire /à chaque fois qu'ils sont identifiés.


    La meilleure réponse que je peux donner à ton commentaire est probablement ce lien: Convertir les Guillemets avec PHP

    Et le code associé (citant la page):

    function convert_smart_quotes($string) 
{ 
    $search = array(chr(145), 
                    chr(146), 
                    chr(147), 
                    chr(148), 
                    chr(151)); 

    $replace = array("'", 
                     "'", 
                     '"', 
                     '"', 
                     '-'); 

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

    (Je n'ai pas de Microsoft Word sur cet ordinateur, donc je ne peux pas le tester par moi-même)

    Je ne me souviens pas exactement de ce que nous avons utilisées au travail (je n'étais pas le seul d'avoir à traiter avec ce genre d'entrée), mais c'était le même genre de trucs...

    • Comment voulez-vous spécifier le MS personnages?
    • C'est ce que je cherchais. Merci. La recherche tableau ne fonctionne pas comme il est, j'ai fini par utiliser la version Hexadécimale du code qui vous a été fourni dans les commentaires du lien que tu as donné ci-dessus.
    • OK 🙂 Merci pour l'information!
    • Le '&' signe copié à partir de MS word n'est pas coder correctement, est-il de toute façon on peut utiliser cet extrait de code pour coder que " &". (ainsi que des balles et d'autres caractères)
    • Pour les autres utilisateurs: Vous pouvez regarder pour chr(149) (bullet) et de le remplacer par un astérisque ainsi. Cette page a une liste de plusieurs chr() de caractères que vous souhaitez les convertir en.
    • Vous n'avez pas vérifier l'encodage de la chaîne, de sorte que cette fonction va marquer certains Unicode passés dans celui-ci.
    • Très bon!!!!!!!
    • après la déchirure de mes cheveux à essayer de comprendre mes problèmes d'encodage, ce qui finalement était le billet pour moi. j'ai utilisé ce (php.net/manual/en/function.chr.php) pour étendre votre fonction pour mes propres fins - faites défiler jusqu'à mi-chemin vers le bas pour l'exemple posté par Josh B.

    InformationsquelleAutor Pascal MARTIN
  2. 99

    J'ai trouvé une réponse à cette question. Vous avez juste besoin d'une ligne de code à l'aide de iconv() fonction en php:

    //replace Microsoft Word version of single  and double quotations marks (“ ” ‘ ’) with  regular quotes (' and ")
$output = iconv('UTF-8', 'ASCII//TRANSLIT', $input);
    • Cela fonctionne très bien pour moi!
    • bon à savoir ma réponse aidé u 🙂
    • fantastique!!!!! merci!!!!!! Cela nettoie MS Word caractère parfaitement!
    • si ma réponse a aidé u u peut upvote ma question d'origine stackoverflow.com/questions/6597268/...
    • Merci cependant dans mon cas, j'avais besoin de choisir le bon encodage des caractères (qui a été CP1252 et pas en UTF-8): $output = iconv('CP1252', 'ASCII//TRANSLIT', $input);
    • bon à savoir vous servir de votre esprit pour les autres. merci pour le partage 🙂
    • Yep cela a fonctionné pour moi. Je recommande ce cours de la accepté de répondre 🙂
    • Cela fonctionne pour moi, alors que l'on a accepté la réponse ne l'est pas. Je voudrais changer celui-ci à accepté de répondre.
    • Mais Microsoft citations des points de code Unicode ou CP1252 points de code? Dans ce dernier cas, cette solution ne fonctionnera pas. En fait, il va lancer un avis de: PHP Notice: iconv(): Detected an illegal character in input string in php shell code on line 1.
    • Seulement cela fonctionne quand on utilise d'autres que 'UTF-8' encodage
    • merci. c'est la bonne réponse..
    • Merci @EricKigathi. Cela fonctionne pour moi!
    • A fonctionné parfaitement, merci ! im sur UTF-8, jeu de caractères, fichiers encodés et aussi utf8-bin dans la base de données... merci!
    • Cela semble un bon (ou paresseux) de solution à mon problème dans le Zen Cart, les clients entrant dans guillemets dans leurs noms lors de la signature, et ZC magasins nom et prénom dans la session PHP, qui ne parvient pas à décoder avec "PHP Warning: session_start(): impossible de décoder objet de session. La Session a été détruit" message. Je vais contourner en coupant les cordes avec iconv avant de les enregistrer dans la base de données lors de la création du compte.
    • AVERTISSEMENT: iconv est une extension PHP et ne peut pas être installé sur votre environnement de production! "Fatal error: Call to undefined function iconv()" Assurez-vous de tester votre code sur chaque plate-forme qu'il doit exécuter.

    InformationsquelleAutor Justin Dominic
  3. 36

    Votre Microsoft codé citations sont probablement le typographique des guillemets. Vous pouvez simplement remplacer par des str_replace si vous connaissez le codage de la chaîne que vous souhaitez remplacer.

    Voici un exemple pour de l'UTF-8, mais à l'aide d'une simple cartographie de tableau avec strtr:

    $quotes = array(
    "\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
);
$str = strtr($str, $quotes);

    Si vous avez besoin d'un autre encodage, vous pouvez utiliser mb_convert_encoding pour convertir les touches.

    • Plutôt que le laid \x échappe, ne pourrait-on pas simplement inclure les caractères dans votre fichier source?
    • C'est le problème: Il y a beaucoup que je ne connais pas assez les encodages de caractères et/ou de ce que l'encodage des caractères qu'ils utilisent.
    • travaillé un charme grâce. Gotta love de l'importation de fichiers excel dans mysql :S +1
    • Cela a fonctionné pour moi, lorsque l'on a accepté de répondre, pour une raison quelconque, n'a pas (probablement un UTF-8 chose). Merci.
    • La accepté de répondre à n'attend pas de l'UTF-8, mais certains autres caractères codés sur un octet codant.
    InformationsquelleAutor Gumbo
  4. 11

    Si comme moi vous arrivez ici avec une gamme énorme de cassé ASCII /Microsoft Word personnages qui font des choses étranges de votre CMS ou RTE et iconv ne fonctionne pas, alors cette folle fonction est peut-être juste pour vous.

    Assurez-vous que votre encodage est UTF-8 lorsque vous enregistrez cette fonction dans un fichier.

    <?php
/**
* fixMSWord
*
* Replace ASCII chars with UTF-8. Note there are ASCII characters that don't
* correctly map and will be replaced by spaces.
*
* @author      Robin Cafolla
* @date        2013-03-22
*/
function fixMSWord($string) {
$map = Array(
'33' => '!', '34' => '"', '35' => '#', '36' => '$', '37' => '%', '38' => '&', '39' => "'", '40' => '(', '41' => ')', '42' => '*',
'43' => '+', '44' => ',', '45' => '-', '46' => '.', '47' => '/', '48' => '0', '49' => '1', '50' => '2', '51' => '3', '52' => '4',
'53' => '5', '54' => '6', '55' => '7', '56' => '8', '57' => '9', '58' => ':', '59' => ';', '60' => '<', '61' => '=', '62' => '>',
'63' => '?', '64' => '@', '65' => 'A', '66' => 'B', '67' => 'C', '68' => 'D', '69' => 'E', '70' => 'F', '71' => 'G', '72' => 'H',
'73' => 'I', '74' => 'J', '75' => 'K', '76' => 'L', '77' => 'M', '78' => 'N', '79' => 'O', '80' => 'P', '81' => 'Q', '82' => 'R',
'83' => 'S', '84' => 'T', '85' => 'U', '86' => 'V', '87' => 'W', '88' => 'X', '89' => 'Y', '90' => 'Z', '91' => '[', '92' => '\\',
'93' => ']', '94' => '^', '95' => '_', '96' => '`', '97' => 'a', '98' => 'b', '99' => 'c', '100'=> 'd', '101'=> 'e', '102'=> 'f',
'103'=> 'g', '104'=> 'h', '105'=> 'i', '106'=> 'j', '107'=> 'k', '108'=> 'l', '109'=> 'm', '110'=> 'n', '111'=> 'o', '112'=> 'p',
'113'=> 'q', '114'=> 'r', '115'=> 's', '116'=> 't', '117'=> 'u', '118'=> 'v', '119'=> 'w', '120'=> 'x', '121'=> 'y', '122'=> 'z',
'123'=> '{', '124'=> '|', '125'=> '}', '126'=> '~', '127'=> ' ', '128'=> '&#8364;', '129'=> ' ', '130'=> ',', '131'=> ' ', '132'=> '"',
'133'=> '.', '134'=> ' ', '135'=> ' ', '136'=> '^', '137'=> ' ', '138'=> ' ', '139'=> '<', '140'=> ' ', '141'=> ' ', '142'=> ' ',
'143'=> ' ', '144'=> ' ', '145'=> "'", '146'=> "'", '147'=> '"', '148'=> '"', '149'=> '.', '150'=> '-', '151'=> '-', '152'=> '~',
'153'=> ' ', '154'=> ' ', '155'=> '>', '156'=> ' ', '157'=> ' ', '158'=> ' ', '159'=> ' ', '160'=> ' ', '161'=> '¡', '162'=> '¢',
'163'=> '£', '164'=> '¤', '165'=> '¥', '166'=> '¦', '167'=> '§', '168'=> '¨', '169'=> '©', '170'=> 'ª', '171'=> '«', '172'=> '¬',
'173'=> '­', '174'=> '®', '175'=> '¯', '176'=> '°', '177'=> '±', '178'=> '²', '179'=> '³', '180'=> '´', '181'=> 'µ', '182'=> '¶',
'183'=> '·', '184'=> '¸', '185'=> '¹', '186'=> 'º', '187'=> '»', '188'=> '¼', '189'=> '½', '190'=> '¾', '191'=> '¿', '192'=> 'À',
'193'=> 'Á', '194'=> 'Â', '195'=> 'Ã', '196'=> 'Ä', '197'=> 'Å', '198'=> 'Æ', '199'=> 'Ç', '200'=> 'È', '201'=> 'É', '202'=> 'Ê',
'203'=> 'Ë', '204'=> 'Ì', '205'=> 'Í', '206'=> 'Î', '207'=> 'Ï', '208'=> 'Ð', '209'=> 'Ñ', '210'=> 'Ò', '211'=> 'Ó', '212'=> 'Ô',
'213'=> 'Õ', '214'=> 'Ö', '215'=> '×', '216'=> 'Ø', '217'=> 'Ù', '218'=> 'Ú', '219'=> 'Û', '220'=> 'Ü', '221'=> 'Ý', '222'=> 'Þ',
'223'=> 'ß', '224'=> 'à', '225'=> 'á', '226'=> 'â', '227'=> 'ã', '228'=> 'ä', '229'=> 'å', '230'=> 'æ', '231'=> 'ç', '232'=> 'è',
'233'=> 'é', '234'=> 'ê', '235'=> 'ë', '236'=> 'ì', '237'=> 'í', '238'=> 'î', '239'=> 'ï', '240'=> 'ð', '241'=> 'ñ', '242'=> 'ò',
'243'=> 'ó', '244'=> 'ô', '245'=> 'õ', '246'=> 'ö', '247'=> '÷', '248'=> 'ø', '249'=> 'ù', '250'=> 'ú', '251'=> 'û', '252'=> 'ü',
'253'=> 'ý', '254'=> 'þ', '255'=> 'ÿ'
);
$search = Array();
$replace = Array();
foreach ($map as $s => $r) {
$search[] = chr((int)$s);
$replace[] = $r;
}
return str_replace($search, $replace, $string);
}
    • Puis-je l'utiliser pour le projet, car c'est dans MIT licences
    • En général, le MIT licence vous permet de l'utiliser de quelque façon que vous voulez, tant que vous ne retirez pas le permis 🙂
    • Vous avez décidé de mettre une licence sur ce qui revient finalement à... un tableau?
    • J'ai juste copié le code du fichier qu'il a été dans et collé ici. J'ai essayer de mettre ouvert licences sur autant de code que j'ai écris que possible, même quand il élève à un utile tableau.
    • Il n'importe pas quelle licence vous de placer à l'intérieur d'une réponse, tout contenu de l'utilisateur est sous licence cc by-sa 3.0 et avec la mention obligatoire. Vous pouvez voir cela dans le pied de page. Ce code n'est plus sous la licence MIT.
    • Nah, c'est à double homologué. Utilisez celle que vous vous sentez plus à l'aise avec.
    • Aussi, je tiens à souligner que cette fonction n'est pas "fixation ASCII". Il n'y a pas de caractères ASCII 127 ci-dessus. La seule chose que je peux voir cette fonction à faire est d'amputation des chaînes Unicode.
    • J'ai renommé fixMSWord. Je serai d'accord qu'il ne se déforme, mais si vous avez le problème de cette fonction corrige ça fait le boulot, et je n'ai pas encore trouver une autre solution.

    InformationsquelleAutor thelastshadow
  5. 5

    Nous avons utilisé la suite. Il traite avec un peu plus de caractères spéciaux.

    $text = str_replace(chr(130), ',', $text);    //Baseline single quote
$text = str_replace(chr(132), '"', $text);    //Baseline double quote
$text = str_replace(chr(133), '...', $text);  //Ellipsis
$text = str_replace(chr(145), "'", $text);    //Left single quote
$text = str_replace(chr(146), "'", $text);    //Right single quote
$text = str_replace(chr(147), '"', $text);    //Left double quote
$text = str_replace(chr(148), '"', $text);    //Right double quote
$text = mb_convert_encoding($text, 'HTML-ENTITIES', 'UTF-8');
    • Vous devriez vérifier l'encodage de la chaîne $text avant d'exécuter le remplace en elle. Il pourrait déjà être une chaîne Unicode et vous êtes à la déformation d'elle.
    InformationsquelleAutor ceejayoz
  6. 3

    Chaque unique de la réponse à la question précédente, sauf pour Gumbo est sera mutilation des chaînes Unicode:

    echo convert_smart_quotes("This is Yi: ꑑ. Point ⒒ this breaks Yi. Yi broke–why? I need a longer––point. This makes Han 嗗 mad.");

    Résultats dans:

    This is Yi: ?''. Point ?'' this breaks Yi. Yi broke?"why? I need a longer?"?"point. This makes Han ?-- mad.

    La fonction iconv:

    $output = iconv('UTF-8', 'ASCII//TRANSLIT', $input);

    Résultats dans:

    PHP Avis: iconv(): Détecté un caractère illégal dans la chaîne d'entrée en php shell code on line 1

    Vous pouvez la changer en //IGNORE, qui permettra d'éliminer les personnages, mais pas les traduire.

    C'est la meilleure façon de remplacer Microsoft citations codées en CP1252. Si ils sont en Unicode et vous devez les remplacer, utilisez Gumbo réponse:

    function convert_cp1252_to_ascii($input, $default = '') {
if ($input === null || $input == '') {
return $default;
}
//https://en.wikipedia.org/wiki/UTF-8
//https://en.wikipedia.org/wiki/ISO/IEC_8859-1
//https://en.wikipedia.org/wiki/Windows-1252
//http://www.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP1252.TXT
$encoding = mb_detect_encoding($input, array('Windows-1252', 'ISO-8859-1'), true);
if ($encoding == 'ISO-8859-1' || $encoding == 'Windows-1252') {
/*
* Use the search/replace arrays if a character needs to be replaced with
* something other than its Unicode equivalent.
*/
$replace = array(
128 => "E",    //http://www.fileformat.info/info/unicode/char/20AC/index.htm EURO SIGN
129 => "",     //UNDEFINED
130 => ",",    //http://www.fileformat.info/info/unicode/char/201A/index.htm SINGLE LOW-9 QUOTATION MARK
131 => "f",    //http://www.fileformat.info/info/unicode/char/0192/index.htm LATIN SMALL LETTER F WITH HOOK
132 => ",,",   //http://www.fileformat.info/info/unicode/char/201e/index.htm DOUBLE LOW-9 QUOTATION MARK
133 => "...",  //http://www.fileformat.info/info/unicode/char/2026/index.htm HORIZONTAL ELLIPSIS
134 => "t",    //http://www.fileformat.info/info/unicode/char/2020/index.htm DAGGER
135 => "T",    //http://www.fileformat.info/info/unicode/char/2021/index.htm DOUBLE DAGGER
136 => "^",    //http://www.fileformat.info/info/unicode/char/02c6/index.htm MODIFIER LETTER CIRCUMFLEX ACCENT
137 => "%",    //http://www.fileformat.info/info/unicode/char/2030/index.htm PER MILLE SIGN
138 => "S",    //http://www.fileformat.info/info/unicode/char/0160/index.htm LATIN CAPITAL LETTER S WITH CARON
139 => "<",    //http://www.fileformat.info/info/unicode/char/2039/index.htm SINGLE LEFT-POINTING ANGLE QUOTATION MARK
140 => "OE",   //http://www.fileformat.info/info/unicode/char/0152/index.htm LATIN CAPITAL LIGATURE OE
141 => "",     //UNDEFINED
142 => "Z",    //http://www.fileformat.info/info/unicode/char/017d/index.htm LATIN CAPITAL LETTER Z WITH CARON
143 => "",     //UNDEFINED
144 => "",     //UNDEFINED
145 => "'",    //http://www.fileformat.info/info/unicode/char/2018/index.htm LEFT SINGLE QUOTATION MARK
146 => "'",    //http://www.fileformat.info/info/unicode/char/2019/index.htm RIGHT SINGLE QUOTATION MARK
147 => "\"",   //http://www.fileformat.info/info/unicode/char/201c/index.htm LEFT DOUBLE QUOTATION MARK
148 => "\"",   //http://www.fileformat.info/info/unicode/char/201d/index.htm RIGHT DOUBLE QUOTATION MARK
149 => "*",    //http://www.fileformat.info/info/unicode/char/2022/index.htm BULLET
150 => "-",    //http://www.fileformat.info/info/unicode/char/2013/index.htm EN DASH
151 => "--",   //http://www.fileformat.info/info/unicode/char/2014/index.htm EM DASH
152 => "~",    //http://www.fileformat.info/info/unicode/char/02DC/index.htm SMALL TILDE
153 => "TM",   //http://www.fileformat.info/info/unicode/char/2122/index.htm TRADE MARK SIGN
154 => "s",    //http://www.fileformat.info/info/unicode/char/0161/index.htm LATIN SMALL LETTER S WITH CARON
155 => ">",    //http://www.fileformat.info/info/unicode/char/203A/index.htm SINGLE RIGHT-POINTING ANGLE QUOTATION MARK
156 => "oe",   //http://www.fileformat.info/info/unicode/char/0153/index.htm LATIN SMALL LIGATURE OE
157 => "",     //UNDEFINED
158 => "z",    //http://www.fileformat.info/info/unicode/char/017E/index.htm LATIN SMALL LETTER Z WITH CARON
159 => "Y",    //http://www.fileformat.info/info/unicode/char/0178/index.htm LATIN CAPITAL LETTER Y WITH DIAERESIS
);
$find = array();
foreach (array_keys($replace) as $key) {
$find[] = chr($key);
}
$input = str_replace($find, array_values($replace), $input);
/*
* Because ISO-8859-1 and CP1252 are identical except for 0x80 through 0x9F
* and control characters, always convert from Windows-1252 to UTF-8.
*/
$input = iconv('Windows-1252', 'UTF-8//IGNORE', $input);
}
return $input;
}

    Prises de cette réponse, avec quelques modifications. Si vous souhaitez un contrôle sur ce que vous rechercher/remplacer, utilisez cette fonction.

    InformationsquelleAutor NobleUplift