Chuyển đổi các ký tự đặc biệt của Microsoft Word bằng PHP

Question

Tôi đang cố chuyển đổi văn bản Word được dán bởi người dùng có dấu ba chấm MS Word và dấu gạch ngang dài trước khi xử lý thêm.

Tôi đã tìm thấy giải pháp được đề xuất cũ ở đây cho sự cố http://www.codingforums.com/archive/index.php/t-47163.html, nhưng nó không hoạt động đối với tôi. Sau khi thay thế dấu ba chấm, ví dụ, biến trở lại rỗng. Không bao giờ thấy bất cứ điều gì như thế này trước đây:

$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; 

Bất kỳ ý tưởng nào?

Answer 1

Đối với bất cứ ai nhận được dấu hỏi kim cương trong PHP, phương pháp này thay thế tự UTF-8 làm việc tốt hơn so với sử dụng chức năng chr.

$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

Hmm. Tôi sử dụng chức năng này để khử trùng văn bản được sao chép vào RTE. Nó có thể hoặc có thể không hoạt động trong trường hợp này. Nó chuyển đổi thành các thực thể HTML, nhưng bạn có thể tinh chỉnh nó để chỉ chuyển đổi thành các ký tự thông thường:

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( '&amp;', 
         '&lt;', 
         '&gt;', 
         '&quot;', 
         '&#8216;', 
         '&#8217;', 
         '&#8220;', 
         '&#8221;', 
         '&#8211;', 
         '&#8212;', 
         '&#8230;', 
         '&#8216;', 
         '&#8217;', 
         '&#8220;', 
         '&#8221;', 
         '&#8211;', 
         '&#8212;', 
         '&#8230;', 
         '' 
        ); 

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

Answer 3

Giải pháp tuyệt vời. Tôi đã sao chép và dán nó và nó đã làm việc với một vấn đề. Trong nghiên cứu tiếp theo, tôi đã thêm một vài ký tự không nằm trong mảng tìm kiếm và thay thế. Để tìm ra số ký tự ASCII id, tôi đã viết một hàm PHP trong đó cho thấy những gì mà số ký tự ASCII là:

function stdump($s){ 

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

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

    } 

    echo "<br/>"; 
} 

Nhân vật là hiển thị và bên cạnh nó số ascii là chương trình trong ngoặc đơn. Như thế này:

echo stdump ("GPUs" ¦ ");

sản xuất:

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

Hope this helps.

--Keith