首页 文章

HTML编码问题 - “”字符显示而不是“＆nbsp;”

提问于
浏览 次
187

我有一个遗留应用程序只是开始行为不端，无论出于何种原因，我不确定 . 它会生成一堆HTML，并由ActivePDF转换为PDF报告 .

这个过程是这样的：

  • 从数据库中提取HTML模板，并在其中包含要替换的标记（例如"~CompanyName~"，"~CustomerName~"等）

  • 用真实数据替换标记

  • 使用简单的正则表达式函数整理HTML，该函数可以格式化HTML标记属性值（确保引号等，因为ActivePDF的渲染引擎只讨论属性值周围的单引号）

  • 将HTML发送到创建PDF的Web服务 .

在这个混乱中的某个地方，HTML模板（   s）中的不间断空格编码为ISO-8859-1，因此在浏览器（FireFox）中查看文档时它们会错误地显示为"Â"字符 . ActivePDF会对这些非UTF8字符产生影响 .

我的问题：既然我没有时间对其进行调查，是否有一种简单的方法可以重新编码或查找并替换坏字符？我已经尝试通过我扔在一起的这个小功能发送它，但它把它变成了gobbledegook并没有改变任何东西 .

Private Shared Function ConvertToUTF8(ByVal html As String) As String
    Dim isoEncoding As Encoding = Encoding.GetEncoding("iso-8859-1")
    Dim source As Byte() = isoEncoding.GetBytes(html)
    Return Encoding.UTF8.GetString(Encoding.Convert(isoEncoding, Encoding.UTF8, source))
End Function

有任何想法吗？

EDIT:

我现在正在接受这个，虽然它似乎不是一个好的解决方案：

Private Shared Function ReplaceNonASCIIChars(ByVal html As String) As String
    Return Regex.Replace(html, "[^\u0000-\u007F]", " ")
End Function
html vb.net encoding utf-8 iso-8859-1

7 回答

  • -3

    Problem: 即使我遇到了问题，我们在向CRM系统发送POST请求中发送了一些字符串 '£' ，但是当我们从CRM进行GET调用时，它返回 '£' 并带有一些字符串内容 . 所以我们分析的是 '£' 正在转换为 '£' .

    Analysis: 我们在做研究后发现的故障是在POST调用中我们设置了HttpWebRequest ContentType as "text/xml" 而在GET Call中它是 "text/xml; charset:utf-8" .

    Solution: 因此，作为解决方案的一部分，我们在POST请求中包含 charset:utf-8 并且它可以正常工作 .

    回复于
  • 321

    就我而言，即使页面被正确编码为UTF-8，我也会得到拉丁十字标志而不是 . 以上没有任何内容有助于解决问题，我尝试了所有 .

    最后改变IE的字体（具有浏览器特定的css）帮助，我使用Helvetica-Nue作为更改为Arial的正文字体解决了问题 .

    回复于
  • -2

    我在我的几个网站上也得到了这个问题，我需要做的就是为HTML entites定制内容标签 . 在此之前，我更多地删除它们，所以只需更改你的html fiter或解析页面的功能就可以了 . 它主要是由于大多数CMS中的HTML编辑器 . 他们存储解析数据的方式导致了这个问题（在我的例子中） . 愿这也有助于你的情况

    回复于
  • 22

    在这个混乱中的某个地方，HTML模板（s）中的不间断空格编码为ISO-8859-1，因此它们不正确地显示为“”字符

    'd be encoding to UTF-8 then, not ISO-8859-1. The non-breaking space character is byte 0xA0 in ISO-8859-1; when encoded to UTF-8 it' d为0xC2,0xA0，如果您（错误地）将其视为ISO-8859-1，则显示为 "Â " . 这包括你可能没有注意到的结尾;如果那个字节不存在，那么其他东西已经破坏了你的文档，我们需要进一步了解你的内容 .

    什么是正则表达式，模板是如何工作的？如果你的   字符串（正确地）被转换为U 00A0非破坏空格字符，似乎某个地方会涉及到正确的HTML解析器 . 如果是这样，您可以在DOM中本机处理模板，并要求它使用ASCII编码进行序列化，以将非ASCII字符保留为字符引用 . 这也将阻止你对HTML本身进行正则表达式后处理，这本身就是一个非常狡猾的业务 .

    好吧无论如何，现在你可以在文档的 <head> 中添加以下内容之一，看看是否能让它在浏览器中看起来正确：

    • for HTML4： <meta http-equiv="Content-Type" content="text/html;charset=utf-8" />

    • for HTML5： <meta charset="utf-8">

    如果你已经这样做了，那么任何剩下的问题都是ActivePDF的错误 .

    回复于
  • -1

    如果任何人遇到与我相同的问题且charset已经正确，只需执行以下操作：

    • 复制.html文件中的所有代码 .

    • 打开记事本（或任何基本文本编辑器）并粘贴代码 .

    • 去"File -> Save As"

    • 输入您的文件名"example.html"（选择“另存为类型：所有文件（ . ）”）

    • 选择编码为UTF-8

    • 点击保存，您现在可以删除旧的.html文件，并且应该修复编码

    回复于
  • 10

    我遇到了同样的问题 . 显然这只是因为PHP无法识别UTF-8 .

    尽管在DreamWeaver中看起来没问题，但是当'''符号一直显示为'£'时，我才开始撕掉我的头发 . 最后我记得我遇到了与索引文件相关的链接问题，如果直接查看的页面可以使用幻灯片显示，但是当与包含一起使用时却不能（但是这不是重点 . 无论如何，我想知道这可能是一个类似的问题，所以我没有把它放入我遇到问题的页面，而是简单地将它放入index.php文件中 - 问题一直在修复 .

    回复于
  • -1

    原因是PHP无法识别utf-8 .

    在这里，您可以检查HTML中的所有特殊字符

    http://www.degraeve.com/reference/specialcharacters.php

    回复于

相关问题