quot - htmlentities en PHP pero preservando las etiquetas html

php htmlspecialchars_decode

Question

Quiero convertir todos los textos en una cadena en entidades html pero conservando las etiquetas HTML, por ejemplo esto:

<p><font style="color:#FF0000">Camión español</font></p>

debe traducirse en esto:

<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>

¿algunas ideas?

Answer 1

En función de la respuesta de bflesch , realicé algunos cambios para administrar una cadena que contenga less than sign , greater than sign y single quote o double quotes .

function htmlentitiesOutsideHTMLTags ($htmlText, $ent)
{
    $matches = Array();
    $sep = ''###HTMLTAG###'';

    preg_match_all(":</{0,1}[a-z]+[^>]*>:i", $htmlText, $matches);

    $tmp = preg_replace(":</{0,1}[a-z]+[^>]*>:i", $sep, $htmlText);
    $tmp = explode($sep, $tmp);

    for ($i=0; $i<count($tmp); $i++)
        $tmp[$i] = htmlentities($tmp[$i], $ent, ''UTF-8'', false);

    $tmp = join($sep, $tmp);

    for ($i=0; $i<count($matches[0]); $i++)
        $tmp = preg_replace(":$sep:", $matches[0][$i], $tmp, 1);

    return $tmp;
}

Ejemplo de uso:

$string = ''<b>Is 1 < 4?</b>è<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>€</strong><img src="/some/path" /></p></div>'';
$string_entities = htmlentitiesOutsideHTMLTags($string, ENT_QUOTES | ENT_HTML401);
var_dump( $string_entities );

La salida es:

string ''<b>Is 1 &lt; 4?</b>&egrave;<br><i>&quot;then&quot;</i> <div style="some:style;"><p>gain some <strong>&euro;</strong><img src="/some/path" /></p></div>'' (length=150)

Puede pasar cualquier ent flag acuerdo con el manual de htmlentities

Answer 2

Esta es la versión optimizada de la respuesta aceptada.

$list = get_html_translation_table(HTML_ENTITIES);
unset($list[''"'']);
unset($list[''<'']);
unset($list[''>'']);
unset($list[''&'']);

$string = strtr($string, $list);

Answer 3

Esta es una función que acabo de escribir que resuelve este problema de una manera muy elegante:

En primer lugar, las etiquetas HTML se extraerán de la cadena, luego se ejecutará htmlentities () en cada subcadena restante y luego las etiquetas HTML originales se insertarán en su posición anterior, lo que no ocasionará la alternancia de las etiquetas HTML. :-)

Que te diviertas:

function htmlentitiesOutsideHTMLTags ($htmlText)
{
    $matches = Array();
    $sep = ''###HTMLTAG###'';

    preg_match_all("@<[^>]*>@", $htmlText, $matches);   
    $tmp = preg_replace("@(<[^>]*>)@", $sep, $htmlText);
    $tmp = explode($sep, $tmp);

    for ($i=0; $i<count($tmp); $i++)
        $tmp[$i] = htmlentities($tmp[$i]);

    $tmp = join($sep, $tmp);

    for ($i=0; $i<count($matches[0]); $i++)
        $tmp = preg_replace("@$sep@", $matches[0][$i], $tmp, 1);

    return $tmp;
}

Answer 4

Ninguna solución, salvo un analizador, será correcta para todos los casos. El tuyo es un buen caso:

<p><font style="color:#FF0000">Camión español</font></p>

pero también quieres apoyar:

<p><font>true if 5 < a && name == "joe"</font></p>

donde quieres que salga como:

<p><font>true if 5 &lt; a &amp;&amp; name == &quot;joe&quot;</font></p>

Pregunta: ¿Puedes hacer la codificación ANTES de construir el HTML? En otras palabras, puede hacer algo como:

"<p><font>" + htmlentities(inner) + "</font></p>"

Te ahorrarás mucho dolor si puedes hacer eso. Si no puede, necesitará alguna forma de omitir la codificación <,> y "(como se describió anteriormente), o simplemente codificarlo todo, y luego deshacerlo (por ejemplo, replace(''&lt;'', ''<'') )

Answer 5

Puede obtener la lista de correspondencias carácter => entidad utilizada por htmlentities , con la función get_html_translation_table ; considera este código:

$list = get_html_translation_table(HTML_ENTITIES);
var_dump($list);

(Es posible que desee verificar el segundo parámetro para esa función en el manual; tal vez necesite establecerlo en un valor diferente al predeterminado)

Te conseguirá algo como esto:

array
  '' '' => string '' '' (length=6)
  ''¡'' => string ''¡'' (length=7)
  ''¢'' => string ''¢'' (length=6)
  ''£'' => string ''£'' (length=7)
  ''¤'' => string ''¤'' (length=8)
  ....
  ....
  ....
  ''ÿ'' => string ''ÿ'' (length=6)
  ''"'' => string ''"'' (length=6)
  ''<'' => string ''&lt;'' (length=4)
  ''>'' => string ''&gt;'' (length=4)
  ''&'' => string ''&amp;'' (length=5)

Ahora, elimine las correspondencias que no desea:

unset($list[''"'']);
unset($list[''<'']);
unset($list[''>'']);
unset($list[''&'']);

Su lista, ahora, tiene todas las correspondencias character => entidad utilizada por htmlentites, excepto los pocos caracteres que no desea codificar.

Y ahora, solo tiene que extraer la lista de claves y valores:

$search = array_keys($list);
$values = array_values($list);

Y, finalmente, puede usar str_replace para hacer el reemplazo:

$str_in = ''<p><font style="color:#FF0000">Camión español</font></p>'';
$str_out = str_replace($search, $values, $str_in);
var_dump($str_out);

Y obtienes:

string ''<p><font style="color:#FF0000">Cami&Atilde;&sup3;n espa&Atilde;&plusmn;ol</font></p>'' (length=84)

Que se parece a lo que querías ;-)

Edición: bueno, excepto por el problema de codificación (maldito UTF-8, supongo, estoy tratando de encontrar una solución para eso, y voy a editar de nuevo)

En segundo lugar, edita un par de minutos después: parece que tendrás que usar utf8_encode en la lista $search , antes de llamar a str_replace :-(

Lo que significa usar algo como esto:

$search = array_map(''utf8_encode'', $search);

Entre la llamada a array_keys y la llamada a str_replace .

Y, esta vez, realmente deberías obtener lo que querías:

string ''<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>'' (length=70)

Y aquí está la porción completa del código:

$list = get_html_translation_table(HTML_ENTITIES);
unset($list[''"'']);
unset($list[''<'']);
unset($list[''>'']);
unset($list[''&'']);

$search = array_keys($list);
$values = array_values($list);
$search = array_map(''utf8_encode'', $search);

$str_in = ''<p><font style="color:#FF0000">Camión español</font></p>'';
$str_out = str_replace($search, $values, $str_in);
var_dump($str_in, $str_out);

Y la salida completa:

string ''<p><font style="color:#FF0000">Camión español</font></p>'' (length=58)
string ''<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>'' (length=70)

Esta vez, debería estar bien ^^
Realmente no cabe en una línea, puede que no sea la solución más optimizada; pero debería funcionar bien, y tiene la ventaja de permitirle agregar / eliminar cualquier carácter de correspondencia => entidad que necesite o no.

Que te diviertas !

Answer 6

Puede que no sea terriblemente eficiente, pero funciona

$sample = ''<p><font style="color:#FF0000">Camión español</font></p>'';

echo htmlspecialchars_decode(
    htmlentities($sample, ENT_NOQUOTES, ''UTF-8'', false)
  , ENT_NOQUOTES
);

Answer 7

Se necesita una solución de una línea con NO tabla de traducción o función personalizada:

Sé que esta es una vieja pregunta, pero recientemente tuve que importar un sitio estático en un sitio de wordpress y tuve que superar este problema:

aquí está mi solución que no requiere htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) ); tablas de traducción: htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) );

cuando se aplica a la cadena de OP:

<p><font style="color:#FF0000">Camión español</font></p>

salida:

<p><font style="color:#FF0000">Cami&oacute;n espa&ntilde;ol</font></p>

cuando se aplica a la cuerda de Luca:

<b>Is 1 < 4?</b>è<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>€</strong><img src="/some/path" /></p></div>

salida:

<b>Is 1 < 4?</b>&egrave;<br><i>"then"</i> <div style="some:style;"><p>gain some <strong>&euro;</strong><img src="/some/path" /></p></div>

EDITAR: esto funciona especialmente bien "blanqueando" la cadena de entrada primero:

$string = preg_replace( ''/[^/x00-/x7F]/'', null, $string ); htmlspecialchars_decode( htmlentities( html_entity_decode( $string ) ) );

ahora $ string es muuuy bonito !!