html_entity_decode

(PHP 4 >= 4.3.0, PHP 5, PHP 7, PHP 8)

html_entity_decode — 将 HTML 实体转换为相应的字符

描述

html_entity_decode(string $string, int $flags = ENT_QUOTES | ENT_SUBSTITUTE | ENT_HTML401, ?string $encoding = null): string

html_entity_decode() 与 htmlentities() 相反，它将 string 中的 HTML 实体转换为相应的字符。

更准确地说，此函数解码所有实体（包括所有数字实体），这些实体 a) 对所选文档类型来说一定是有效的——例如，对于 XML，此函数不解码可能在某些 DTD 中定义的命名实体——以及 b) 其字符或字符在与所选编码关联的编码字符集中，并且在所选文档类型中允许。所有其他实体保持原样。

参数

string

输入字符串。

flags

一个或多个以下标志的位掩码，指定如何处理引号以及使用哪个文档类型。默认值为 ENT_QUOTES | ENT_SUBSTITUTE | ENT_HTML401。

**可用的 `flags` 常量**
常量名称	描述
`ENT_COMPAT`	将转换双引号，而单引号保持不变。
`ENT_QUOTES`	将转换双引号和单引号。
`ENT_NOQUOTES`	双引号和单引号均不转换。
`ENT_SUBSTITUTE`	用 Unicode 替换字符 U+FFFD (UTF-8) 或 � (其他) 替换无效的代码单元序列，而不是返回空字符串。
`ENT_HTML401`	将代码视为 HTML 4.01 处理。
`ENT_XML1`	将代码视为 XML 1 处理。
`ENT_XHTML`	将代码视为 XHTML 处理。
`ENT_HTML5`	将代码视为 HTML 5 处理。

encoding

一个可选参数，定义转换字符时使用的编码。

如果省略，encoding 默认值为 default_charset 配置选项的值。

虽然此参数在技术上是可选的，但强烈建议您为您的代码指定正确的值，如果 default_charset 配置选项可能为给定输入设置不正确。

支持以下字符集

**支持的字符集**
字符集	别名	描述
ISO-8859-1	ISO8859-1	西欧，Latin-1。
ISO-8859-5	ISO8859-5	很少使用的西里尔字符集（Latin/Cyrillic）。
ISO-8859-15	ISO8859-15	西欧，Latin-9。添加了欧元符号、Latin-1 (ISO-8859-1) 中缺少的法语和芬兰语字母。
UTF-8		与 ASCII 兼容的多字节 8 位 Unicode。
cp866	ibm866, 866	DOS 特定的西里尔字符集。
cp1251	Windows-1251, win-1251, 1251	Windows 特定的西里尔字符集。
cp1252	Windows-1252, 1252	Windows 特定的西欧字符集。
KOI8-R	koi8-ru, koi8r	俄语。
BIG5	950	繁体中文，主要用于台湾。
GB2312	936	简体中文，国家标准字符集。
BIG5-HKSCS		带有香港扩展的 Big5，繁体中文。
Shift_JIS	SJIS, SJIS-win, cp932, 932	日语
EUC-JP	EUCJP, eucJP-win	日语
MacRoman		Mac OS 使用的字符集。
`''`		空字符串会激活从脚本编码（Zend 多字节）、default_charset 和当前区域设置（参见 nl_langinfo() 和 setlocale()）进行检测，按此顺序进行。不推荐。

注意: 其他任何字符集都不会被识别。将使用默认编码，并发出警告。

返回值

返回解码后的字符串。

变更日志

版本	描述
8.1.0	`flags` 从 `ENT_COMPAT` 更改为 `ENT_QUOTES` \| `ENT_SUBSTITUTE` \| `ENT_HTML401`。
8.0.0	`encoding` 现在可以为空。

示例

示例 #1 解码 HTML 实体

<?php
$orig = "I'll \"walk\" the <b>dog</b> now";

$a = htmlentities($orig);

$b = html_entity_decode($a);

echo $a; // I'll &quot;walk&quot; the &lt;b&gt;dog&lt;/b&gt; now

echo $b; // I'll "walk" the <b>dog</b> now
?>

注释

注意:
您可能想知道为什么 trim(html_entity_decode(' ')); 不能将字符串缩减为空字符串，那是因为 ' ' 实体不是 ASCII 代码 32（被 trim() 剥离），而是在默认 ISO 8859-1 编码中的 ASCII 代码 160 (0xa0)。

参见

htmlentities() - 将所有适用的字符转换为 HTML 实体
htmlspecialchars() - 将特殊字符转换为 HTML 实体
get_html_translation_table() - 返回 htmlspecialchars 和 htmlentities 使用的转换表
urldecode() - 解码 URL 编码的字符串

改善此页面

了解如何改善此页面 • 提交拉取请求 • 报告错误

＋添加注释

用户贡献注释 20 个注释

向上

向下

130

Martin ¶

13 年前

如果您需要一些将 &#[0-9]+ 实体转换为 UTF-8 的东西，这很简单，而且有效


<?php 
/* 实体乱码。 / 
$input = "Fovi&#269;"; 
 
$output = preg_replace_callback("/(&#[0-9]+;)/", function($m) { return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES"); }, $input); 
 
/* 纯 UTF-8。 */ 
echo $output; 
?>

向上

向下

txnull ¶

8 年前

使用以下方法解码所有实体
<?php html_entity_decode($string, ENT_QUOTES | ENT_XML1, 'UTF-8') ?>

我检查了这些特殊实体
- 双引号 (&#34;)
- 单引号 (&#39; 和 &apos;)
- 不可打印字符（例如 &#13;）
使用其他 $flags，某些或所有字符将不会被解码。

似乎 ENT_XML1 和 ENT_XHTML 在解码时是相同的。

向上

向下

aidan at php dot net ¶

19 年前

此功能现在在 PEAR 包 PHP_Compat 中实现。

有关在不升级 PHP 版本的情况下使用此函数的更多信息，请访问以下链接

http://pear.php.net/package/PHP_Compat

向上

向下

Benjamin ¶

11 年前

以下函数解码命名和数字 HTML 实体，并在 UTF-8 上工作。需要 iconv。

function decodeHtmlEnt($str) {
$ret = html_entity_decode($str, ENT_COMPAT, 'UTF-8');
$p2 = -1;
for(;;) {
$p = strpos($ret, '&#', $p2+1);
if ($p === FALSE)
break;
$p2 = strpos($ret, ';', $p);
if ($p2 === FALSE)
break;
            
if (substr($ret, $p+2, 1) == 'x')
$char = hexdec(substr($ret, $p+3, $p2-$p-3));
else
$char = intval(substr($ret, $p+2, $p2-$p-2));
            
//echo "$char\n";
$newchar = iconv(
'UCS-4', 'UTF-8',
chr(($char>>24)&0xFF).chr(($char>>16)&0xFF).chr(($char>>8)&0xFF).chr($char&0xFF)
        );
//echo "$newchar<$p<$p2<<\n";
$ret = substr_replace($ret, $newchar, $p, 1+$p2-$p);
$p2 = $p + strlen($newchar);
    }
return $ret;
}

向上

向下

-2

Daniel A. ¶

6 年前

今天我想使用这个函数，但我发现文档，尤其是关于标志的文档，并不十分有用。

例如，运行下面的代码失败了，因为我使用的标志是错误的……

$string = 'Donna&#039;s Bakery';
$title = html_entity_decode($string, ENT_HTML401, 'UTF-8');
echo $title;

在这种情况下，要使用的正确标志是 ENT_QUOTES。

我理解要使用的标志是与预期的转换结果相对应的标志。因此，对于转换为单引号或双引号的字符，使用 ENT_QUOTES……等等。

请帮助使文档更清晰一些。

向上

向下

-4

php dot net at c dash ovidiu dot tk ¶

19 年前

快速且不干净的代码，将数字实体转换为 UTF-8。

<?php

 function replace_num_entity($ord)
 {
 $ord = $ord[1];
 if (preg_match('/^x([0-9a-f]+)$/i', $ord, $match))
 {
 $ord = hexdec($match[1]);
 }
 else
 {
 $ord = intval($ord);
 }
 
 $no_bytes = 0;
 $byte = array();

 if ($ord < 128)
 {
 return chr($ord);
 }
 elseif ($ord < 2048)
 {
 $no_bytes = 2;
 }
 elseif ($ord < 65536)
 {
 $no_bytes = 3;
 }
 elseif ($ord < 1114112)
 {
 $no_bytes = 4;
 }
 else
 {
 return;
 }

 switch($no_bytes)
 {
 case 2:
 {
 $prefix = array(31, 192);
 break;
 }
 case 3:
 {
 $prefix = array(15, 224);
 break;
 }
 case 4:
 {
 $prefix = array(7, 240);
 }
 }

 for ($i = 0; $i < $no_bytes; $i++)
 {
 $byte[$no_bytes - $i - 1] = (($ord & (63 * pow(2, 6 * $i))) / pow(2, 6 * $i)) & 63 | 128;
 }

 $byte[0] = ($byte[0] & $prefix[0]) | $prefix[1];

 $ret = '';
 for ($i = 0; $i < $no_bytes; $i++)
 {
 $ret .= chr($byte[$i]);
 }

 return $ret;
 }

 $test = 'This is a &#269;&#x5d0; test&#39;';

 echo $test . "<br />\n";
 echo preg_replace_callback('/&#([0-9a-fx]+);/mi', 'replace_num_entity', $test);

?>

向上

向下

-4

Matt Robinson ¶

14 年前

我在之前的评论中写到，html_entity_decode() 只处理了大约 100 个字符。这并不完全正确；它只处理输出字符集（第三个参数）中存在的实体。如果你想获取所有 HTML 实体，确保你使用 ENT_QUOTES 并将第三个参数设置为 'UTF-8'。

如果你不想要一个 UTF-8 字符串，你需要使用 utf8_decode()、iconv() 或 mb_convert_encoding() 等方法在之后进行转换。

如果你正在生成 XML，它不识别大多数 HTML 实体

当生成 UTF-8 文档（默认值）时，那么 htmlspecialchars(html_entity_decode($string, ENT_QUOTES, 'UTF-8'), ENT_NOQUOTES, 'UTF-8')（因为你只需要转义 < 和 > 以及 &，除非你在 XML 标签本身中打印）。

否则，要么将所有命名实体转换为数字实体，要么在文档的 DTD 中声明命名实体。完整的 252 个实体列表可以在 HTML 4.01 规范中找到，或者你可以从我的网站复制粘贴函数 (http://inanimatt.com/php-convert-entities.php)。

向上

向下

-5

Free at Key dot no ¶

14 年前

这是一个便捷的函数，将剩余的 HTML 实体转换为人类可读字符（对于目标字符集中不存在的实体）。


<?php 
function cleanString($in,$offset=null) 
{ 
 $out = trim($in); 
 if (!empty($out)) 
 { 
 $entity_start = strpos($out,'&',$offset); 
 if ($entity_start === false) 
 { 
 // ideal 
 return $out; 
 } 
 else 
 { 
 $entity_end = strpos($out,';',$entity_start); 
 if ($entity_end === false) 
 { 
 return $out; 
 } 
 // zu lang um eine entity zu sein 
 else if ($entity_end > $entity_start+7) 
 { 
 // und weiter gehts 
 $out = cleanString($out,$entity_start+1); 
 } 
 // gottcha! 
 else 
 { 
 $clean = substr($out,0,$entity_start); 
 $subst = substr($out,$entity_start+1,1); 
 // &scaron; => "s" / &#353; => "_" 
 $clean .= ($subst != "#") ? $subst : "_"; 
 $clean .= substr($out,$entity_end+1); 
 // und weiter gehts 
 $out = cleanString($clean,$entity_start+1); 
 } 
 } 
 } 
 return $out; 
} 
?>

向上

向下

-5

neurotic dot neu at gmail dot com ¶

14 年前

这是一个安全的 rawurldecode，带有 utf8 检测。


<?php 
function utf8_rawurldecode($raw_url_encoded){ 
 $enc = rawurldecode($raw_url_encoded); 
 if(utf8_encode(utf8_decode($enc))==$enc){; 
 return rawurldecode($raw_url_encoded); 
 }else{ 
 return utf8_encode(rawurldecode($raw_url_encoded)); 
 } 
} 
?>

向上

向下

-7

Victor ¶

12 年前

我们在处理诸如 e-acute 之类的外国字符方面遇到了非常奇怪的行为。

然而，只有在从我们的 mysql 数据库中提取这些字符并通过我们处理 DNS 问题的代理服务器显示时，才会出现问题。

正如其他用户所指出的，当他们将自己的字符设置留空时，默认字符设置并非他们所期望的。

当我们将默认字符集更改为“UTF-8”时，在处理诸如e-acute之类的外来字符时，不再需要使用这些函数。这对我们来说已经足够了！

向上

向下

-5

匿名 ¶

3 年前

为什么 html_entity_decode() 函数不将没有最后分号的实体（如 &#x41 或 &#65）转换为字符？

---
<?php
echo 'like &#x41 or &#65';
---

浏览器显示正常:
----
like A or A

向上

向下

-10

me at richardsnazell dot com ¶

16 年前

我在电子邮件主题行中正确显示“TM”商标符号时遇到了问题。使用带有不同字符集的 html_entity_decode() 无法解决问题，但直接将实体替换为其 ASCII 等效项可以解决问题。

$subject = str_replace('&trade;', chr(153), $subject);

向上

向下

-6

jojo ¶

17 年前

解密由 JavaScript 的转义函数编码的字符。
当在页面上使用多字节时，它很有效。


javascript escape('aaああaa') ..... 'aa%u3042%u3042aa'
php jsEscape_decode('aa%u3042%u3042aa')..'aaああaa'


<?php 
function jsEscape_decode($jsEscaped,$outCharCode='SJIS'){ 
 $arrMojis = explode("%u",$jsEscaped); 
 for ($i = 1;$i < count($arrMojis);$i++){ 
 $c = substr($arrMojis[$i],0,4); 
 $cc = mb_convert_encoding(pack('H*',$c),$outCharCode,'UTF-16'); 
 $arrMojis[$i] = substr_replace($arrMojis[$i],$cc,0,4); 
 } 
 return implode('',$arrMojis); 
} 
?>

向上

向下

-11

florianborn (at) yahoo (dot) de ¶

19 年前

注意

<?php

 echo urlencode(html_entity_decode("&nbsp;"));

?>

将输出 "%A0" 而不是 "+"。

向上

向下

-17

daniel at brightbyte dot de ¶

19 年前

此函数似乎有两个限制（至少在 PHP 4.3.8 中）。

a) 它不适用于多字节字符编码，如 UTF-8。
b) 它不解码数字实体引用。

a) 可以通过使用 iconv 转换为 ISO-8859-1，然后解码实体，然后再次转换为 UTF-8 来解决。但这非常丑陋，会破坏 Latin-1 中不存在的所有字符。

b) 可以使用以下代码很好地解决。

<?php
function decode_entities($text) {
 $text= html_entity_decode($text,ENT_QUOTES,"ISO-8859-1"); #注意：UTF-8 不起作用！
 $text= preg_replace('/&#(\d+);/me',"chr(\\1)",$text); #十进制表示法
 $text= preg_replace('/&#x([a-f0-9]+);/mei',"chr(0x\\1)",$text); #十六进制表示法
 return $text;
}
?>

希望对你有帮助。

向上

向下

-9

slickriptide at gmail dot com ¶

7 年前

使用此函数时，最好注意它说将字符集参数留空“不推荐”。

我遇到过一个问题，我将带有实体转换的文本文件存储到数据库中。当我稍后检索它们并运行以下代码时

$text_file = html_entity_decode($text_data);

实体没有被解码。

一旦意识到这个问题，我就将解码调用更改为完全指定所有参数。

$text_file = html_entity_decode($text_data, ENT_COMPAT | ENT_HTML5,'utf-8');

这按预期转换了实体。

向上

向下

-18

grvg (at) free (dot) fr ¶

18 年前

以下是将 HTML 实体转换为 UTF-8 的终极函数。
主要函数是 htmlentities2utf8。
其他是辅助函数。


<?php 
function chr_utf8($code) 
 { 
 if ($code < 0) return false; 
 elseif ($code < 128) return chr($code); 
 elseif ($code < 160) // Remove Windows Illegals Cars 
 { 
 if ($code==128) $code=8364; 
 elseif ($code==129) $code=160; // not affected 
 elseif ($code==130) $code=8218; 
 elseif ($code==131) $code=402; 
 elseif ($code==132) $code=8222; 
 elseif ($code==133) $code=8230; 
 elseif ($code==134) $code=8224; 
 elseif ($code==135) $code=8225; 
 elseif ($code==136) $code=710; 
 elseif ($code==137) $code=8240; 
 elseif ($code==138) $code=352; 
 elseif ($code==139) $code=8249; 
 elseif ($code==140) $code=338; 
 elseif ($code==141) $code=160; // not affected 
 elseif ($code==142) $code=381; 
 elseif ($code==143) $code=160; // not affected 
 elseif ($code==144) $code=160; // not affected 
 elseif ($code==145) $code=8216; 
 elseif ($code==146) $code=8217; 
 elseif ($code==147) $code=8220; 
 elseif ($code==148) $code=8221; 
 elseif ($code==149) $code=8226; 
 elseif ($code==150) $code=8211; 
 elseif ($code==151) $code=8212; 
 elseif ($code==152) $code=732; 
 elseif ($code==153) $code=8482; 
 elseif ($code==154) $code=353; 
 elseif ($code==155) $code=8250; 
 elseif ($code==156) $code=339; 
 elseif ($code==157) $code=160; // not affected 
 elseif ($code==158) $code=382; 
 elseif ($code==159) $code=376; 
 } 
 if ($code < 2048) return chr(192 | ($code >> 6)) . chr(128 | ($code & 63)); 
 elseif ($code < 65536) return chr(224 | ($code >> 12)) . chr(128 | (($code >> 6) & 63)) . chr(128 | ($code & 63)); 
 else return chr(240 | ($code >> 18)) . chr(128 | (($code >> 12) & 63)) . chr(128 | (($code >> 6) & 63)) . chr(128 | ($code & 63)); 
 } 
 
 // Callback for preg_replace_callback('~&(#(x?))?([^;]+);~', 'html_entity_replace', $str); 
 function html_entity_replace($matches) 
 { 
 if ($matches[2]) 
 { 
 return chr_utf8(hexdec($matches[3])); 
 } elseif ($matches[1]) 
 { 
 return chr_utf8($matches[3]); 
 } 
 switch ($matches[3]) 
 { 
 case "nbsp": return chr_utf8(160); 
 case "iexcl": return chr_utf8(161); 
 case "cent": return chr_utf8(162); 
 case "pound": return chr_utf8(163); 
 case "curren": return chr_utf8(164); 
 case "yen": return chr_utf8(165); 
 //... etc with all named HTML entities 
 } 
 return false; 
 } 
 
 function htmlentities2utf8 ($string) // because of the html_entity_decode() bug with UTF-8 
 { 
 $string = preg_replace_callback('~&(#(x?))?([^;]+);~', 'html_entity_replace', $string); 
 return $string; 
 } 
?>

向上

向下

-12

marion at figmentthinking dot com ¶

15 年前

我刚刚遇到了
Bug #27626 html_entity_decode 错误 - html_entity_decode() 无法处理 MBCS！


如果您仍在运行 PHP 4，则简单的解决方案是使用 utf8_decode() 函数包装 html_entity_decode() 函数。


<?php 
$string = '&nbsp;'; 
$utf8_encode = utf8_encode(html_entity_decode($string)); 
?> 

默认情况下，html_entity_decode() 返回 ISO-8859-1 字符集，而 utf8_decode() 默认情况下...


http://us.php.net/manual/en/function.utf8-decode.php

"将使用 UTF-8 编码的 ISO-8859-1 字符串转换为单字节 ISO-8859-1"

向上

向下

-18

kae at verens dot com ¶

16 年前

示例中 unhtmlentities() 函数中的 'chr()' 引用应更改为 unichr，使用 'chr' 引用 (https://php.net/chr) 中描述的 unichr() 函数。

这样做的原因是像 &#x20AC; 这样的字符不能分解为 ASCII 数字（顺便说一下，这是欧元符号）。

向上

向下

-16

jl dot garcia at gmail dot com ¶

15 年前

我创建了这个函数来过滤所有进出数据库的文本。


<?php 
function filter_string($string, $nohtml='', $save='') { 
 if(!empty($nohtml)) { 
 $string = trim($string); 
 if(!empty($save)) $string = htmlentities(trim($string), ENT_QUOTES, 'ISO-8859-15'); 
 else $string = html_entity_decode($string, ENT_QUOTES, 'ISO-8859-15'); 
 } 
 if(!empty($save)) $string = mysql_real_escape_string($string); 
 else $string = stripslashes($string); 
 return($string); 
} 
?>

＋添加注释