＆Yuml vs＆yumlのようなhtml_entity_decode文字

Question

私はhtmlエンコードされたテキストをutf-8に翻訳してデータベースに格納しようとしています。 html_entity_decodeまたはiconvの両方で見逃してしまう文字があります。

私は長い文字列を書き留めましたが、今は表示されています。& Yumlは翻訳されていませんが、& yumlです。

他にも似たような記号もあります。

これらの不一致を最もうまく処理する方法についてのアドバイスはありますか？それぞれの文字が正しく翻訳されていることを確認してください。

Answer 1

& blahの形式のもの; （X）HTMLの実体参照です。あなたがそれらをすべて持っていることを確認する必要がある場合は、最後のUTF-8出力にそのパターンが含まれていないことを確認してください。また、最後にセミコロンを付けずにたくさん見つけます（しかし、多くの誤認があります）。

ウィキペディアは、当然list of HTML/XHTML/XML entity codesです。その（長い）リストを実装して、野生のものがあればそれを見つけることができます。