Конвертировать ВСЕ символы в HTML-объекты
В PHP использование встроенных функций, кажется, не включает специальные и новые символы. ВСЕ, в том числе выпущенные 3 месяца назад. Нужно повернуть строку со смешанными символами, такими как:
������ �������� ���� δϱж ☎
в
𝕃𝕆𝕃 𝔯𝔬𝔠𝔰 𝓂𝓎 δϱж ☎
(который браузер будет отображать так же)
Я вижу, что это делается на лету. Мы говорим здесь бесчисленное множество символов. И кто знает, сколько еще в будущем.
Как они достигают этого? Неужели у них действительно не менее 1000 ключей каждого символа и его сущности?
Я задал все связанные вопросы, пока не повезло.
Решение
Эта функция преобразует каждый символ (текущий и будущий), за исключением [0-9A-Za-z ] числовой сущности. Кодировка символов UTF-8 предполагается:
function html_entity_encode_all($s) {
$out = '';
for ($i = 0; isset($s[$i]); $i++) {
// read UTF-8 bytes and decode to a Unicode codepoint value:
$x = ord($s[$i]);
if ($x < 0x80) {
// single byte codepoints
$codepoint = $x;
} else {
// multibyte codepoints
if ($x >= 0xC2 && $x <= 0xDF) {
$codepoint = $x & 0x1F;
$length = 2;
} else if ($x >= 0xE0 && $x <= 0xEF) {
$codepoint = $x & 0x0F;
$length = 3;
} else if ($x >= 0xF0 && $x <= 0xF4) {
$codepoint = $x & 0x07;
$length = 4;
} else {
// invalid byte
$codepoint = 0xFFFD;
$length = 1;
}
// read continuation bytes of multibyte sequences:
for ($j = 1; $j < $length; $j++, $i++) {
if (!isset($s[$i + 1])) {
// invalid: string truncated in middle of multibyte sequence
$codepoint = 0xFFFD;
break;
}
$x = ord($s[$i + 1]);
if (($x & 0xC0) != 0x80) {
// invalid: not a continuation byte
$codepoint = 0xFFFD;
break;
}
$codepoint = ($codepoint << 6) | ($x & 0x3F);
}
if (($codepoint > 0x10FFFF) ||
($length == 2 && $codepoint < 0x80) ||
($length == 3 && $codepoint < 0x800) ||
($length == 4 && $codepoint < 0x10000)) {
// invalid: overlong encoding or out of range
$codepoint = 0xFFFD;
}
}
// have codepoint, now output:
if (($codepoint >= 48 && $codepoint <= 57) ||
($codepoint >= 65 && $codepoint <= 90) ||
($codepoint >= 97 && $codepoint <= 122) ||
($codepoint == 32)) {
// leave plain 0-9, A-Z, a-z, and space unencoded
$out .= $s[$i];
} else {
// all others as numeric entities
$out .= '&#' . $codepoint . ';';
}
}
return $out;
}
Для декодирования стандартная функция html_entity_decode может быть использован.
Другие решения
Как они достигают этого? Неужели у них действительно не менее 1000 ключей каждого символа и его сущности?
Oни делать на самом деле есть таблица перевода и он содержит все символы, которые у вас есть в вашем вопросе (а таблица содержит более 1500 записей :)).
Просто: кодировка не использует никаких специальных знаний. Ввод представляет собой числовое значение символа, вывод &#<decimal-value>;,