web-dev-qa-db-ja.com

mysqlまたはphpで「u00e9」をutf8文字に変換する方法は？

Mysqlにインポートされているいくつかの乱雑なデータに対していくつかのデータクレンジングを行っています。

データには「疑似」Unicode文字が含まれていますが、実際には「u00e9」などの文字列に埋め込まれています。

したがって、1つのフィールドが.. 'Jalostotitlu00e1n'になる可能性があります。不器用な 'u00e1n'を削除して、対応するutf文字に置き換える必要があります。

Mysqlで部分文字列とCHRを使用してこれを行うことができますが、ImはPHPを介してデータを事前処理するため、そこでも実行できます。

Mysqlとphpを設定してutfデータを処理する方法についてはすでに知っています。問題は、インポートするソースデータに本当にあります。

ありがとう

phpmysqlunicodeutf
16
carpii

方法があります。すべてのuXXXXをHTML表現で置き換え、html_entity_decode()を実行します

つまりecho html_entity_decode("Jalostotitlán");

_u1234_形式のすべてのUTF文字は、HTMLでは_ሴ_として印刷できます。しかし、UTFシーケンスの開始を識別する文字が他にない場合、多くの誤検知が発生する可能性があるため、置換を行うのは非常に困難です。単純な正規表現は

preg_replace('/u([\da-fA-F]{4})/', '&#x\1;', $str)

13
rabudde

/ * utf8 htmlをansiに変換するための関数php * /

public static function Utf8_ansi($valor='') {

    $utf8_ansi2 = array(
    "\u00c0" =>"À",
    "\u00c1" =>"Á",
    "\u00c2" =>"Â",
    "\u00c3" =>"Ã",
    "\u00c4" =>"Ä",
    "\u00c5" =>"Å",
    "\u00c6" =>"Æ",
    "\u00c7" =>"Ç",
    "\u00c8" =>"È",
    "\u00c9" =>"É",
    "\u00ca" =>"Ê",
    "\u00cb" =>"Ë",
    "\u00cc" =>"Ì",
    "\u00cd" =>"Í",
    "\u00ce" =>"Î",
    "\u00cf" =>"Ï",
    "\u00d1" =>"Ñ",
    "\u00d2" =>"Ò",
    "\u00d3" =>"Ó",
    "\u00d4" =>"Ô",
    "\u00d5" =>"Õ",
    "\u00d6" =>"Ö",
    "\u00d8" =>"Ø",
    "\u00d9" =>"Ù",
    "\u00da" =>"Ú",
    "\u00db" =>"Û",
    "\u00dc" =>"Ü",
    "\u00dd" =>"Ý",
    "\u00df" =>"ß",
    "\u00e0" =>"à",
    "\u00e1" =>"á",
    "\u00e2" =>"â",
    "\u00e3" =>"ã",
    "\u00e4" =>"ä",
    "\u00e5" =>"å",
    "\u00e6" =>"æ",
    "\u00e7" =>"ç",
    "\u00e8" =>"è",
    "\u00e9" =>"é",
    "\u00ea" =>"ê",
    "\u00eb" =>"ë",
    "\u00ec" =>"ì",
    "\u00ed" =>"í",
    "\u00ee" =>"î",
    "\u00ef" =>"ï",
    "\u00f0" =>"ð",
    "\u00f1" =>"ñ",
    "\u00f2" =>"ò",
    "\u00f3" =>"ó",
    "\u00f4" =>"ô",
    "\u00f5" =>"õ",
    "\u00f6" =>"ö",
    "\u00f8" =>"ø",
    "\u00f9" =>"ù",
    "\u00fa" =>"ú",
    "\u00fb" =>"û",
    "\u00fc" =>"ü",
    "\u00fd" =>"ý",
    "\u00ff" =>"ÿ");

    return strtr($valor, $utf8_ansi2);      

}
17
Sergio-MA-Brazil

私のTwitterタイムラインスクリプトは、éなどの特殊文字を\ u00e9に返すため、バックスラッシュを取り除き、@ rubbudeのpreg_replaceを使用しました。

// Fix uxxxx charcoding to html
$text = "De #Haarstichting is h\u00e9t medium voor alles Into:  De #Haarstichting is hét medium voor alles";
$str     = str_replace('\u','u',$text);
$str_replaced = preg_replace('/u([\da-fA-F]{4})/', '&#x\1;', $str);

echo $str_replaced;

それは私のために働き、それは変わります：De #Haarstichting is h\u00e9t medium voor allesに：De #Haarstichting is hét medium voor alles

2
Theo